Att hitta projekt. Björn Victor. måndag 19 mars 12

Relevanta dokument
Projekt och beskrivning

Projekt och beskrivning

Självständigt arbete Uppsatsmetodik

Övning 2. onsdag 21 mars 12

Ämnesområden. Examensarbete inom datavetenskap (1DV41E) Martin Fredriksson

Matematisk statistik för D, I, Π och Fysiker. Matematisk statistik slumpens matematik. Tillämpningar för matematisk statistik.

Registerforskning Oktober 2018, Stockholm City Conference Centre. Möjligheter med Artificiell Intelligens inom registerforskningen

Allmänna frågor om kursen: 1. Vad är ditt allmänna omdöme om kursen? Antal svar: 14 Medelvärde: Har kursen känts relevant för din utbildning?

Matcha rätt hjärta till rätt patient med AI. Dennis Medved

Kurser inom Datavetenskapligt kandidatprogram och Computer Science Master s programme våren 2010

Undervisningsprogram Uppdaterad DATAVETENSKAP

När? Varför? För vem? Resultat? (Artefakter?)

Aristi Fernandes Examensarbete T6, Biomedicinska analytiker programmet

b) NY KURS (Ange kursnamn, årskurs, önskad läsperiod, schemablocksplacering. Bifoga utkast till kursplan.)

Bedömning av Examensarbete (30 hp) vid Logopedprogrammet Fylls i av examinerande lärare och lämnas i signerad slutversion till examinator

openbim Stockholm 22 april 2013 Kraven på BIM är här

Sri Lanka Association for Artificial Intelligence

Programmering. Seminarier i datavetenskap, datorteknik och informationsteknik. Niklas Broberg

Kursplan. AB1029 Introduktion till Professionell kommunikation - mer än bara samtal. 7,5 högskolepoäng, Grundnivå 1

Riktlinjer för bedömning av examensarbeten

Stockholms Universitet Sociologiska Institutionen. Delkursplan till specialkursen Samhällsproblem (6 hp) Sociologi I&II VT15 (13/4 30/4 2015)

Välkomna till DIT012 IPGO

Mötesplats inför framtiden Borås april Catharina Rehn Karolinska institutets bibliotek

Väl godkänt (VG) Godkänt (G) Icke Godkänt (IG) Betyg

DATAVETENSKAP Läsåret

Programmering. Seminarier i datavetenskap, datorteknik och informationsteknik. Niklas Broberg

Värderingsförmåga och förhållningssätt Reflektera över värdet av normer för det akademiska samtalet

Civilingenjör Mjukvaruteknik Att designa en utbildning utifrån ACM CS Curriculum

Gemensamma riktlinjer fo r genomfo rande av Examensarbete Hing Elkraftteknik

Civilingenjör och Master i Datateknik år 4-5

Smart industri den digitala framtiden

Kandidatarbete Data och Informationsteknik

Stockholms Universitet Sociologiska Institutionen. Delkursplan till specialkursen Samhällsproblem (6 hp) Sociologi I&II VT17 (4/4 5/5 2017)

Datavetenskap. Beteendevetenskap MDI. Design

Frågor och svar till tentamen i Kravhantering

Kursplan. AB1030 Att arbeta i projekt. 7,5 högskolepoäng, Grundnivå 1. Working in projects

Ny programansvarig och visioner för Datateknik, 300hp

Betygskriterier för självständigt arbete på masternivå

Vad är Artificiell Intelligens (AI) Olika typer av AI och deras användningsområden Innovation med hjälp av AI Framtiden och etiska frågeställningar

Introduktion till kursen och MATLAB

Ontologier. Cassandra Svensson

729G75: Programmering och algoritmiskt tänkande. Tema 1, föreläsning 1 Jody Foo

Inbyggda System. med start Inbyggda System,

Instruktioner - Datortentamen TDDD73 Funktionell och imperativ programmering i Python

Bedömning av Examensarbete (30 hp) vid Logopedprogrammet Fylls i av examinerande lärare och lämnas till examinator

Instruktioner - Datortentamen TDDD73 Funktionell och imperativ programmering i Python TDDE24 Funktionell och imperativ programmering del 2

Systemintegration 2019 YRGO. Introduktion till kursen

Programmering. Seminarier i datavetenskap, datorteknik och informationsteknik. Niklas Broberg niklas.broberg@chalmers.

Tekniker för storskalig parsning

Instruktioner - Datortentamen TDDD73 Funktionell och imperativ programmering i Python

Datavetenskap Kandidatexamen i naturvetenskaper, 180 sp

Kursen ges som en valbar kurs inom kandidatprogrammet i Samhällsplanering- urban och regional utveckling, 180 högskolepoäng.

MALMÖ HÖGSKOLA Odontologiska fakulteten Tandhygienist-, tandläkar- och tandteknikerutbildningarna Introduktionskursen, 2011

Elektronisk patientjournal

Hur kunde man lyckas?

Mer OOP. Variation i typ. Medlen repetition. Generiska klasser. Gränssnitt - Interface. Mer om klasser Några exempel UML

Artificiell Intelligens Tekniker: Styrkor och Fallgropar

FYTA12 VT11 halvtid, kursutvärdering

Introduktion till objektorientering. Vad är objektorientering egentligen? Hur relaterar det till datatyper? Hur relaterar det till verkligheten?

Computer Science, masterprogram

CADEC CALLISTA DEVELOPER S CONFERENCE

Aktuell information finns på anslagstavlor och på institutionens hemsida Studieperiod Kod Lärare Vecka Tid Auditorium

Föreläsning 2: Datainsamling - Observation, enkät, intervju. Att läsa: Kapitel 2 och 3 i Stone et al.: User Interface design and evaluation

Datateknik Teknologie kandidatexamen, 180 sp

Gymnasial vuxenutbildning

Re-designing learning activities in accounting - towards blended learning

729G75: Programmering och algoritmiskt tänkande. Tema 1. Föreläsning 1 Jody Foo

LME 210, Mediekunskap för lärare 2, 30 högskolepoäng

DIG IN TO Nätverksadministration

Datavetenskapligt program, N1COS

Exjobbskritik Muntlig opponering på ett exjobb. Stina Ericsson

Datum Förkunskapskrav och andra villkor för tillträde till kursen Grundläggande högskolebehörighet

Dynamic Review for Models ProjectWise Navigator

Eventuella felaktiga svar kanselerar motsvarande mängd rätta svar

Microsoft Dynamics 365 Business Application vs. ERP. Företagen måsta sätta sig själva i förarsätet

Gymnasiearbeten i fysik

SAS VIYA JOHAN ELFMAN ROLAND BALI

Information om examensarbete 15 hp (10 veckor) Examensarbetsprocessen ht-15

TDDD78, TDDE30, 729A85 Objektorienterad programmering och Java

Hållbar utveckling A, Ht. 2014

För universitetsgemensamma regler för forskarutbildning se Regler för utbildning på forskarnivå vid Göteborgs universitet Doktorandreglerna.

Introduktion till objektorientering. Vad är objektorientering egentligen? Hur relaterar det till datatyper? Hur relaterar det till verkligheten?

Grundläggande Datalogi

IRIS Integrerat Dynamiskt Prognostiserande Underhållsstöd

Kursplan. FÖ3032 Redovisning och styrning av internationellt verksamma företag. 15 högskolepoäng, Avancerad nivå 1

Studienämnden Data

Dnr G 2014/566 LOKAL EXAMENSBESKRIVNING Examensbenämning (svensk): Filosofie kandidatexamen med huvudområdet kognitionsvetenskap Examensbenämning (eng

Arkitektur. Den Röda Tråden

Föreläsning 2: Datainsamling - Observation, enkät, intervju. Att läsa: Kapitel 2 och 3 i Stone et al.: User Interface design and evaluation

Om användare och designprocessen

Datavetenskapligt program, N1COS

Informations- & Trevlig inspirationsträff

REV Dnr: 1-563/ Sid: 1 / 8

Religionshistoriska avdelningen

KURSHÄFTE. SKRIFTLIGT EXAMENSARBETE. ÄDELLAB 7,5 HP Handledare: Michell Zethson

Sabine Koch, Centrum för hälsoinformatik, LIME

Helsinki, 30 November Väino Tarandi, KTH & buildingsmart SWEDEN

Thomas Padron-Mccarthy Datateknik B, Mobila applikationer med Android, 7.5 hp (Distans) (DT ) Antal svarande = 18

Guide till projektarbetet

Föreläsning 2: Datainsamling - Observation, enkät, intervju. Att läsa: Kapitel 2 och 3 i Stone et al.: User Interface design and evaluation

Transkript:

Att hitta projekt Björn Victor

Övning: projektbeskrivning Till måndag: skriv en (1) sida som beskriver projektet på Distribuerade system med projekt Övning: inte obligatorisk, men nyttig! 1. vad var planen/avsikten/syftet/målet 2. hur genomfördes arbetet 3. vad blev resultatet Lämna in i Studentportalen, ta med utskrift, som ska läsas av kamrat

Övning 1 Byt projektbeskrivning med någon annan Läs och analysera: Vilka aspekter i projektet beskrivs? Vilken struktur har beskrivningen? Vilken språklig stil? Vilken detaljnivå?

Hur välja projekt? Hur strukturera idéerna? Hur formulera projektplanen?

Hur väljer man projekt?

Hur väljer man projekt? Tiden måste räcka! lagom ambitiöst givet ramarna inte i ett helt nytt område men skadar inte med bredding!

Hur väljer man projekt? Det ska vara intressant för dig! annars svårt att motivera sig, speciellt längre projekt (typ exjobb) men ibland inget/smalt val

Hur väljer man projekt? Det bör vara utvecklande för dig! givet dina mål, vad passar in för att nå dit? hur utvecklar projektet dina förmågor och kunskaper?

Hur väljer man projekt? Det ska ha syfte och tydliga mål får någon (annan) nytta av projektet? långsiktiga och kortsiktiga mål helst bägge

Hur väljer man projekt? Det har en tydlig leverans rapport, programsystem, etc hjälper dig att fokusera

Hur väljer man projekt? Det passar din profil/program/kurs gör inte exjobb i astronomi men kanske i astronomisk tillämpning av IT?

Men hur hittar man ett? Fråga efter andras idéer, gamla projekt, etc Brainstorm Strukturering

Exempel Uppsatsmet. Nya tekniker: Dataströmhantering, framtidens databaser, Molnet, elektroniskt papper, MRAM, virtualisering, trådlös energiöverföring, GPGPU, OpenID Tidig svensk datorindustri, Open source affärsmodeller, AI-tekniker, Enigma Funktionella språk, bevisbarhet, FFT, visualisering & rendering, Python Matlab-applikation 2010/11

Exempel Självst.arb 2010/11 E-handel (beg. kurslitteratur), Spelprogrammering (iphone, multiplayer), Värmeeffektivisering (säkerhet, GUI) Quadrotor (fyrprop. helikopter)

Brainstorm! Skriv ner alla idéer direkt som de kommer oordnat, snabbt, utan eftertanke eller filtrering När stormen bedarrat, titta på idéerna med eftertanke

Hur strukturera idéerna?

Strukturera! Givet en idé, ett ämnesområde, el.dyl: strukturera, gruppera och relatera nyckelord/delområden identifiera vad som är intressant att fokusera på

Research Territory Maps Software engineering Support elements assists Methods/ techniques can define assists Process models ongoing protocol for Activities def. content of Stages [efter Dawson, fig 3.1]

Relevance Tree Artificial intelligence application areas AI techniques Knowledge representation mundane tasks planning robotics search machine learning expert systems semantic networks rule-based systems predicate logic vision expert tasks medical diagnosis inductive learning neural nets genetic algorithms prediction [efter Dawson, fig 3.2]

Spider diagrams [från Dawson]

Kapiteluppdelning Givet en idé, prova att bryta upp rapporten i (tänkta) kapitel om för svårt: du vet inte riktigt vad du tänker göra om för få: projektet är för smalt om för många: du har ett för stort/ ambitiöst projekt

Extra tester Kan du motivera projektet för personen på gatan? Hur mycket vet du redan? Sätt en siffra! om svårt: du vet för lite om området Finns kontakt, handledning (ex lärare på relevant kurs)?

Hur formulera projektplanen?

Skriv projektförslag Innan du påbörjar projektet, skriv ett projektförslag (t.ex. exjobbspec) tvingar dig att tänka igenom det blir ett kontrakt mellan dig och handledare/lärare/examinator (även om det kan ändras) Kan funka utan, men mycket mindre chans att lyckas

Innehåll: implicit Dessa fem delar ska alltid ingå (implicit) Introduktion till området: kontext för projektet Forsknings/utvecklingsläget: up-to-date Identifiera luckor: vad behöver göras åt läget? Hur fyller projektet lucka? (Eller bidrar) Identifiera risker, beskriv riskhantering

Innehåll: explicit 1. Titel: klar och koncis 2. Syfte (abstrakt) och mål (konkret) 3. Förväntade resultat/leveranser 4. Introduktion/bakgrund/översikt 5. Relaterat arbete (forskningsläget, källor) 6. Frågeställningar och hypoteser 7. Metoder (som används i projektet) 8. Förutsättningar: resurser som krävs 9. Tidplan

Korrekturläs! Stavning: använd automatisk kontroll Grammatik: använd vänner/kollegor Klipp/klistra-fel Innehåll: fullständigt (jfr. Innehåll) förståeligt, tillräckligt djup intresseväckande, välstrukturerat

Till onsdag Läs kapitel 3-4 (och 1-2) i kursboken

Övning: projektförslag Skriv ett projektförslag för Distribuerade system med projekt för projektet ni gjorde, eller ett nytt eller lite annorlunda Mål: öva på formen 2-5 sidor, lämna in i SP, ta med på papper på onsdag Litteraturstudie behövs ej - skriv vad du vet