Masterprogram i datavetenskap, 120 hp

Master's Programme in Computer Science, 120 credits

6MICS

Undervisningsspråk

Engelska

Studieort

Linköping

Examensbenämning

Teknologie masterexamen med huvudområde Datavetenskap

Studietakt

Helfart
Information om möjliga avsteg från kursplan/utbildningsplan

Syfte

Mastersprogrammet i Computer Science syftar till att utbilda specialister som kan arbeta i den moderna mjukvaruteknikens frontlinje inom en rad olika applikationsområden. Programmet syftar också till att säkerställa att studenterna är väl förberedda för en forskningskarriär inom datavetenskap, t ex genom fortsatta studier för Teknologie Doktorsexamen.
Datavetenskap är ett av de mest dynamiska och expansiva vetenskapsområdena. För den enskilde studenten eller yrkesverksamme inom området betyder detta att man, förutom att ha en god förståelse för det teoretiska inom området, också måste vara kapabel att tillämpa tekniken på nya utmanande problem och integrera den med andra tekniker. 

Mål

Masterprogrammet i Computer Science erbjuder möjligheten till studier på avancerad nivå i datavetenskap och möjliggör en flexibel planering av specialiseringsområden. Efter att ha läst kärnkurser i datavetenskap har studenterna möjlighet att fokusera studierna mot områden som t ex artificiell intelligens, databaser och informationssökning, internetteknik, design och programmering av dataspel, informationssäkerhet, språkteknologi, människa-maskin interaktion, teoretisk datavetenskap eller utformning och implementering av datorspråk.

Följande lärandemål utgör de mätbara mål för implementeringen och programmets syfte. Dessa mål är formulerade i termer av förmågor och kompetenser hos studenten som fullgjort programmet med godkänt resultat.

  • Förmåga att förstå och tillämpa matematiska koncept som är nödvändiga för att modellera olika typer av datavetenskapliga problem. 
  • Vara en kompetent programmerare som är bekant med olika programmeringsspråk och verktyg och har förmåga att kreativt tillämpa dessa kunskaper och färdigheter på modellbyggande och utveckling av mjukvarulösningar som bidrar till applikationer inom en stor flora av tillämpningsområden. 
  • Kunna arbeta som en teammedlem och effektivt samarbeta med andra specialister och bidra till lösningen av komplexa tekniska problem. 
  • Vara kvalificerad för att ta en ledande roll i mjukvaruteam samt utvärdera och jämföra lösningar och fatta beslut. Kunna ytterligare fördjupa sin kunskap och bidra till utvecklingen inom området. 
  • Vara en god kommunikatör som har förmågan att sammanhållet presentera tekniska och vetenskapliga resultat både muntligt och skriftligt. 
  • Ha en god förståelse för såväl datorers inverkan på samhälle, etiska frågeställningar inom området som ansvaret hos yrkesverksamma datavetare. 
  • Vara förberedd för ett livslångt lärande inom området. 

Innehåll

Programmet är baserat på fundamental matematisk, teoretisk och teknisk kunskap som studenten tillägnat sig på kandidatnivå. Dessa baskunskaper ska täcka programmering i olika språk och olika paradigm, algoritmer, databaser, systemmjukvara, operativsystem och matematisk kunskap som ska innefatta diskret matematik, logik och statistik.
Mastersprogrammet i Computer Science är både teoretiskt och tillämpat. Ett antal kurser kommer att ge studenten den breda överblick och förståelse som krävs för att behärska det generella området. Samtidigt ger rätt val av kurser vidare specialisering inom ett begränsat område.
Kommunikationsfärdigheter (både muntliga och skriftliga), och teamarbete betonas i hela programmet.
Varje år fastställer programnämnden exakt vilka kurser som ges inom programmet. Dessa kan hittas i programplanen. För varje kurs finns en kursplan som beskriver lärandemålen, organisationen, examinationen, nivåklassificering och huvudområde för kursen. Kursens nivå och huvudområde är viktiga för uppfyllandet av examenskraven för hela programmet. 

Profiler

Specialiseringarnas kurser i programmet syns i programplanen. En specialiseringen ska uppfyllas och den anges i examensbeviset.

Specialiseringar inom programmet: 

  • AI och maskininlärning
  • Visualisering och datorgrafik
  • Datornätverk, distribuerade system och säkerhet
  • Programmering och mjukvarumetoder

För att kunna uppnå specialiseringskravet måste 36 hp av kurserna i examen vara inom specialiseringen.

 

Undervisnings- och arbetsformer

Utbildningen är campusförlagd.

Förkunskapskrav

  • Kandidatexamen i något av följande eller motsvarande huvudområden: 
    -datavetenskap 
    -informationsteknologi 
    -mjukvaruteknik 
    -datateknik 
    Eller
    En kandidatexamen med en fördjupning i datavetenskap eller liknande ämne med minst 60 hp i ämnen som relaterar till datavetenskap motsvarande:
    -programmering 
    -datastrukturer
    -databaser
    -mjukvaruteknik
    -datorteknik
    -datornätverk
  • Minst 24 hp i matematik/tillämpad matematik och/eller tillämpning av matematik relevant för programmet inkluderande diskret matematik, linjär algebra och analys.
  • Engelska 6 eller Engelska nivå 2
    Undantag för svenska

    Självständigt arbete (examensarbete)

    Examensarbetet omfattar ett vetenskapligt arbete motsvarande 30 hp. Studenten uppmuntras att utföra examensarbetet inom ett specialiseringsområde. Detta arbete ska handledas av en lärare i datavetenskap vid fakulteten.

    Examenskrav

    Examenskraven är följande: 

    • En kandidatexamen enligt tillträdeskraven.
    • Fullföljda kurser och examensarbete omfattande totalt 120 hp från programplanen eller kurser efter särskilt beslut av programnämnden.
    • Samtliga obligatoriska kurser fullföljda.
    • Krav för en specialisering uppfyllda.
    • Fullföljda kurser på avancerad nivå omfattande 90 hp inkluderande:
      • Minst 30 hp kurser inom huvudområdet datavetenskap.
      • Examensarbete omfattande 30 hp inom huvudområdet datavetenskap
    • Examensarbete presenterat och godkänt i enlighet med Tekniska fakultetens allmänna bestämmelser.
    • Minst en av följande kurser ska vara slutförd, godkänd och ingå i tidigare kandidatexamen från LiU eller i examen från programmet
      • TDDE79 Imperativ programmering i C++
      • TDDE18 Programmera C++
      • TDDD38 Avancerad C++
    • En av följande kurser ska vara slutförd, godkänd och ingå i examen
      • TDDD89 Vetenskaplig metod
      • TNM107 Vetenskaplig metod

    Kurser som överlappar varandra innehållsmässigt är inte tillåtna att ha med i examen. Kurser från kandidatexamen får aldrig medräknas i examen från programmet men kan, efter godkänd ansökan till programnämnden, ersätta krav på kurs i programmet. 

    Övrigt om examen
    Studenter som har studerat avancerade kurser inom datavetenskap före antagningen till programmet kan få dessa kurser tillgodoräknande inom programmet och/eller få obligatorisk kurser inom programmet utbytta med andra kurser. Tillgodoräknande är endast tillämpbart på kurser som inte redan ingår i annan programexamen.

    Examensbenämning på svenska

    Teknologie masterexamen med huvudområde Datavetenskap

    Examensbenämning på engelska

    Degree of Master of Science (120 credits) with a major in Computer Science

    Särskild information

    Forskarutbildningskurser
    Vissa doktorandkurser kan läsas av programstudenterna. Dessa kurser fastställs av programnämnden i varje enskilt fall.
     

    Antagningskrav

    Se generella bestämmelser för LiTH

     

    Övriga föreskrifter

    Se fliken Generella bestämmelser avseende behörighet, antagning, anstånd, studieuppehåll, studieavbrott samt antagning till senare del av utbildningsprogram.

    Avsteg från utbildningsplan

    Om det föreligger synnerliga skäl får rektor i särskilt beslut ange förutsättningarna för, och delegera rätten att besluta om, tillfälliga avsteg från denna utbildningsplan.

    Termin 1 HT 2026

    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TDDE80 Datavetenskaplig professionalism 6* A1N 4 O
    *Kursen läses över flera perioder
    TDDD38 Avancerad programmering i C++ 6* A1N 2 O/V
    *Kursen läses över flera perioder
    För Masterprogrammet i Computer Science gäller att en av TDDE18, TDDD38 eller TDDE79 ska avslutas eller ha ingått i tidigare kandidatexamen. TDDD38 kan läsas i termin 1,2 eller 3.
    TDDE18 Programmera C++ 6* G2F 2 O/V
    *Kursen läses över flera perioder
    För Masterprogrammet i Datavetenskap gäller att en av TDDE18, TDDD38 eller TDDE79 ska avslutas eller ingå i tidigare kandidatexamen.
    TDDE79 Imperativ programmering i C++ 6* G2F 2 O/V
    *Kursen läses över flera perioder
    För Masterprogrammet i Computer Science gäller att en av TDDE18 , TDDD38 eller TDDE79 ska avslutas.
    TDDC17 Artificiell intelligens 6 G2F 3 V
    TDTS06 Datornät 6 G2F 1 V
    TDTS08 Datorarkitektur 6 A1N 2 V
    Period 2
    TAMS11 Sannolikhetslära och statistik, grundkurs 6 G2F 4 O
    Kursen kan även läsas i termin 2. 6MICS-studenter med kurs/er motsvarande “TAMS11 Sannolikhetslära och statistik” i kandidatexamen kan ansöka om att kursen ev kan utgå från masterexamen. Kontakta studievägledare.
    TDDE80 Datavetenskaplig professionalism 6* A1N 3 O
    *Kursen läses över flera perioder
    TDDD38 Avancerad programmering i C++ 6* A1N 1 O/V
    *Kursen läses över flera perioder
    För Masterprogrammet i Computer Science gäller att en av TDDE18, TDDD38 eller TDDE79 ska avslutas eller ha ingått i tidigare kandidatexamen. TDDD38 kan läsas i termin 1,2 eller 3.
    TDDE18 Programmera C++ 6* G2F 1 O/V
    *Kursen läses över flera perioder
    För Masterprogrammet i Datavetenskap gäller att en av TDDE18, TDDD38 eller TDDE79 ska avslutas eller ingå i tidigare kandidatexamen.
    TDDE79 Imperativ programmering i C++ 6* G2F 1 O/V
    *Kursen läses över flera perioder
    För Masterprogrammet i Computer Science gäller att en av TDDE18 , TDDD38 eller TDDE79 ska avslutas.
    TDDC34 Teknisk, ekonomisk och samhällelig utvärdering av IT-produkter 6 A1N 4 V
    TDDD07 Realtidssystem 6 A1N 4 V
    TDDD37 Databasteknik 6 G2F 1 V
    TDDE01 Maskininlärning 6 A1N 1 V
    TDDE66 Kompilatorkonstruktion 6 A1N 1 V
    TSIT02 Datasäkerhet 6 G2F 2 V
    Inriktning: AI och maskininlärning
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TDDC17 Artificiell intelligens 6 G2F 3 O
    Period 2
    TDDE01 Maskininlärning 6 A1N 1 O
    För studenter som måste läsa andra obligatoriska kurser i schemablocket läses denna kurs istället i termin 3.
    Inriktning: Datornätverk, distribuerade system och säkerhet
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TDTS06 Datornät 6 G2F 1 O
    Studenter med TDTS04 eller TDTS11 i kandidatexamen väljer annan kurs ur specialiseringen för att nå kraven.
    Period 2
    TSIT02 Datasäkerhet 6 G2F 2 O
    Inriktning: Programmering och mjukvarumetoder
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TDDD38 Avancerad programmering i C++ 6* A1N 2 V
    *Kursen läses över flera perioder
    Period 2
    TDDC34 Teknisk, ekonomisk och samhällelig utvärdering av IT-produkter 6 A1N 4 V
    För studenter som måste läsa andra obligatoriska kurser i schemablocket kan denna kurs läsas i termin 3.
    TDDD38 Avancerad programmering i C++ 6* A1N 1 V
    *Kursen läses över flera perioder
    TDDE66 Kompilatorkonstruktion 6 A1N 1 V

    Termin 2 VT 2027

    Preliminära kurser
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TAMS11 Sannolikhetslära och statistik, grundkurs 6 G2F 4 O/V
    Kursen kan även läsas i termin 1
    TATA54 Talteori 6* G2F 2 V
    *Kursen läses över flera perioder
    TATA64 Grafteori 6* A1N 2 V
    *Kursen läses över flera perioder
    TBMI26 Neuronnät och lärande system 6 A1N 2 V
    TDDD20 Konstruktion och analys av algoritmer 6 A1N 3 V
    TDDD25 Distribuerade system 6 A1N 2 V
    TDDD38 Avancerad programmering i C++ 6* A1N 2 V
    *Kursen läses över flera perioder
    TDDD41 Data Mining - Clustering and Association Analysis 6 A1N 3 V
    TDDD95 Algoritmisk problemlösning 6* A1F 1 V
    *Kursen läses över flera perioder
    TDDD97 Webbprogrammering 6 G2F 3 V
    TDDE05 AI-robotik 6* A1N 4 V
    *Kursen läses över flera perioder
    TDDE09 Språkteknologi 6 A1F 2 V
    TDDE51 Metoder och verktyg för stora distribuerade projekt 6* A1N 4 V
    *Kursen läses över flera perioder
    TDDE62 Informationssäkerhet: privacy, system- och nätverkssäkerhet 6 A1N 4 V
    TDDE68 Processprogrammering och operativsystem 6 G2F 3 V
    TDTS07 Systemkonstruktion och metodik 6 A1N 1 V
    TDTS21 Avancerade nätverk 6* A1N 1 V
    *Kursen läses över flera perioder
    TNM061 3D Datorgrafik 6* G2F 1 V
    *Kursen läses över flera perioder
    TNM111 Informationsvisualisering 6 A1N 3 V
    TSBK38 Bild- och ljudkompression 6 A1N 4 V
    Period 2
    TAOP24 Optimeringslära fortsättningskurs 6 G2F 1 V
    TATA54 Talteori 6* G2F 2 V
    *Kursen läses över flera perioder
    TATA64 Grafteori 6* A1N 2 V
    *Kursen läses över flera perioder
    TDDD14 Formella språk och automatateori 6 G2F 2 V
    TDDD27 Avancerad webbprogrammering 6 A1N 3 V
    TDDD38 Avancerad programmering i C++ 6* A1N 1 V
    *Kursen läses över flera perioder
    TDDD48 Automatisk planering 6 A1N 1 V
    TDDD95 Algoritmisk problemlösning 6* A1F 4 V
    *Kursen läses över flera perioder
    TDDE05 AI-robotik 6* A1N 4 V
    *Kursen läses över flera perioder
    TDDE07 Bayesianska metoder 6 A1F 2 V
    TDDE31 Big Data Analytics 6 A1F 3 V
    TDDE34 Mjukvaruverifiering 6 A1N 1 V
    TDDE41 Programvaruarkitekturer 6 A1N 1 V
    TDDE51 Metoder och verktyg för stora distribuerade projekt 6* A1N 4 V
    *Kursen läses över flera perioder
    TDDE64 Sports Analytics 6 A1N 3 V
    TDDE65 Programmering av parallelldatorer - metoder och verktyg 6 A1N 2 V
    TDDE70 Djup maskininlärning 6 A1F 1 V
    TDTS21 Avancerade nätverk 6* A1N 1 V
    *Kursen läses över flera perioder
    TNM061 3D Datorgrafik 6* G2F 1 V
    *Kursen läses över flera perioder
    TNM079 Modellering och animering 6 A1N 2 V
    TNM096 Artificiell intelligens - principer och tekniker 6 G2F 1 V
    TNM098 Avancerad visuell dataanalys 6 A1N 4 V
    Inriktning: AI och maskininlärning — Preliminära kurser
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TBMI26 Neuronnät och lärande system 6 A1N 2 V
    TDDD41 Data Mining - Clustering and Association Analysis 6 A1N 3 V
    TDDE05 AI-robotik 6* A1N 4 V
    *Kursen läses över flera perioder
    TDDE09 Språkteknologi 6 A1F 2 V
    Period 2
    TDDD48 Automatisk planering 6 A1N 1 V
    TDDE05 AI-robotik 6* A1N 4 V
    *Kursen läses över flera perioder
    TDDE07 Bayesianska metoder 6 A1F 2 V
    TDDE31 Big Data Analytics 6 A1F 3 V
    TDDE64 Sports Analytics 6 A1N 3 V
    TDDE70 Djup maskininlärning 6 A1F 1 V
    Inriktning: Datornätverk, distribuerade system och säkerhet — Preliminära kurser
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TDDD25 Distribuerade system 6 A1N 2 V
    TDDE62 Informationssäkerhet: privacy, system- och nätverkssäkerhet 6 A1N 4 V
    TDTS21 Avancerade nätverk 6* A1N 1 V
    *Kursen läses över flera perioder
    Period 2
    TDTS21 Avancerade nätverk 6* A1N 1 V
    *Kursen läses över flera perioder
    Inriktning: Programmering och mjukvarumetoder — Preliminära kurser
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TDDD25 Distribuerade system 6 A1N 2 V
    TDDD38 Avancerad programmering i C++ 6* A1N 2 V
    *Kursen läses över flera perioder
    TDDD97 Webbprogrammering 6 G2F 3 V
    TDDE51 Metoder och verktyg för stora distribuerade projekt 6* A1N 4 V
    *Kursen läses över flera perioder
    TDDE68 Processprogrammering och operativsystem 6 G2F 3 V
    Period 2
    TDDD27 Avancerad webbprogrammering 6 A1N 3 V
    TDDD38 Avancerad programmering i C++ 6* A1N 1 V
    *Kursen läses över flera perioder
    TDDE34 Mjukvaruverifiering 6 A1N 1 V
    TDDE41 Programvaruarkitekturer 6 A1N 1 V
    TDDE51 Metoder och verktyg för stora distribuerade projekt 6* A1N 4 V
    *Kursen läses över flera perioder
    TDDE65 Programmering av parallelldatorer - metoder och verktyg 6 A1N 2 V
    Inriktning: Visualisering och datorgrafik (termin 2, 3 på Campus Norrköping) — Preliminära kurser
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TNM061 3D Datorgrafik 6* G2F 1 V
    *Kursen läses över flera perioder
    TNM111 Informationsvisualisering 6 A1N 3 V
    TSBK38 Bild- och ljudkompression 6 A1N 4 V
    Period 2
    TNM061 3D Datorgrafik 6* G2F 1 V
    *Kursen läses över flera perioder
    TNM079 Modellering och animering 6 A1N 2 V
    TNM096 Artificiell intelligens - principer och tekniker 6 G2F 1 V
    TNM098 Avancerad visuell dataanalys 6 A1N 4 V

    Termin 3 HT 2027

    Preliminära kurser
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TAMS43 Sannolikhetsteori och bayesianska nätverk 6 A1N 1 V
    TATA55 Abstrakt algebra 6* G2F 3 V
    *Kursen läses över flera perioder
    TBMI19 Medicinska informationssystem 6* A1N 2 V
    *Kursen läses över flera perioder
    TDDC88 Programutvecklingsmetodik 12* A1N 1 V
    *Kursen läses över flera perioder
    TDDD04 Programvarutestning 6 A1N 2 V
    TDDD08 Logikprogrammering 6 A1N 4 V
    TDDD23 Design och programmering av datorspel 6 A1N 2 V
    TDDD38 Avancerad programmering i C++ 6* A1N 2 V
    *Kursen läses över flera perioder
    TDDD43 Datamodeller och databaser, avancerad kurs 6* A1N 2 V
    *Kursen läses över flera perioder
    TDDE15 Avancerad maskininlärning 6 A1F 1 V
    TDDE19 Avancerad projektkurs: AI och maskininlärning 6* A1F 4 V
    *Kursen läses över flera perioder
    TDDE21 Avancerad projektkurs: Säkra distribuerade och inbyggda system 6* A1F 4 V
    *Kursen läses över flera perioder
    TDDE45 Avancerad programvarudesign 6 A1N 4 V
    TDDE52 Programmeringsprojekt med öppen källkod 6* A1F 4 V
    *Kursen läses över flera perioder
    TDDE58 Trådlösa kommunikationsnätverk 6 A1N 2 V
    TDTS06 Datornät 6 G2F 1 V
    TDTS08 Datorarkitektur 6 A1N 2 V
    TNCG15 Advanced Global Illumination and Rendering 6 A1N 4 V
    TNM067 Vetenskaplig visualisering 6 A1N 3 V
    TNM091 Medieproduktion för immersiva miljöer 6* A1N 2 V
    *Kursen läses över flera perioder
    TNM114 Artificiell intelligens för interaktiv media, projektkurs 6 A1N 2 V
    TSIN01 Informationsnät 6 A1N 3 V
    TSIT03 Kryptoteknik 6 A1N 2 V
    Period 2
    TDDD89 Vetenskaplig metod 6 A1F 3 O/V
    För Masterprogrammet Computer Science gäller att antingen TDDD89 eller TNM107 ska ingå i examen. Välj TNM107 för specialiseringen “Visualisering och datorgrafik”. Kursen ersätts av valbar kurs för studerande med TDIU14 eller TDP026 i kandidatexamen.
    TNM107 Vetenskaplig metod 6 A1F 3 O/V
    För Masterprogrammet Computer Science gäller att antingen TDDD89 eller TNM107 ska ingå i examen. Välj TNM107 för specialiseringen “Visualisering och datorgrafik”. Kursen ersätts av valbar kurs för studerande med TDIU14 eller TDP026 i kandidatexamen.
    TATA55 Abstrakt algebra 6* G2F 3 V
    *Kursen läses över flera perioder
    TBMI19 Medicinska informationssystem 6* A1N 3 V
    *Kursen läses över flera perioder
    TDDC34 Teknisk, ekonomisk och samhällelig utvärdering av IT-produkter 6 A1N 4 V
    TDDC88 Programutvecklingsmetodik 12* A1N 1 V
    *Kursen läses över flera perioder
    TDDC90 Software Security 6 A1N 1 V
    TDDD07 Realtidssystem 6 A1N 4 V
    TDDD38 Avancerad programmering i C++ 6* A1N 1 V
    *Kursen läses över flera perioder
    TDDD43 Datamodeller och databaser, avancerad kurs 6* A1N 2 V
    *Kursen läses över flera perioder
    TDDD56 Multicore- och GPU-Programmering 6 A1N 2 V
    TDDE01 Maskininlärning 6 A1N 1 V
    TDDE13 Multiagentsystem 6 A1N 1 V
    TDDE16 Text Mining 6 A1F 2 V
    TDDE19 Avancerad projektkurs: AI och maskininlärning 6* A1F 4 V
    *Kursen läses över flera perioder
    TDDE21 Avancerad projektkurs: Säkra distribuerade och inbyggda system 6* A1F 4 V
    *Kursen läses över flera perioder
    TDDE52 Programmeringsprojekt med öppen källkod 6* A1F 4 V
    *Kursen läses över flera perioder
    TDDE66 Kompilatorkonstruktion 6 A1N 1 V
    TNM084 Procedurella metoder för bilder 6 A1N 4 V
    TNM091 Medieproduktion för immersiva miljöer 6* A1N 1 V
    *Kursen läses över flera perioder
    TNM116 Utvidgad verklighet (XR) - principer och programmering 6 A1N 2 V
    TSIN02 Internetteknik 6 A1N 1 V
    TSKS33 Komplexa nätverk och stora datamängder 6 A1N 2 V
    Inriktning: AI och maskininlärning — Preliminära kurser
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TDDE19 Avancerad projektkurs: AI och maskininlärning 6* A1F 4 O
    *Kursen läses över flera perioder
    TDDD43 Datamodeller och databaser, avancerad kurs 6* A1N 2 V
    *Kursen läses över flera perioder
    TDDE15 Avancerad maskininlärning 6 A1F 1 V
    Period 2
    TDDE19 Avancerad projektkurs: AI och maskininlärning 6* A1F 4 O
    *Kursen läses över flera perioder
    TDDD43 Datamodeller och databaser, avancerad kurs 6* A1N 2 V
    *Kursen läses över flera perioder
    TDDE13 Multiagentsystem 6 A1N 1 V
    TDDE16 Text Mining 6 A1F 2 V
    TSKS33 Komplexa nätverk och stora datamängder 6 A1N 2 V
    Inriktning: Datornätverk, distribuerade system och säkerhet — Preliminära kurser
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TDDE21 Avancerad projektkurs: Säkra distribuerade och inbyggda system 6* A1F 4 V
    *Kursen läses över flera perioder
    TDDE58 Trådlösa kommunikationsnätverk 6 A1N 2 V
    TDTS06 Datornät 6 G2F 1 V
    TSIN01 Informationsnät 6 A1N 3 V
    TSIT03 Kryptoteknik 6 A1N 2 V
    Period 2
    TDDC90 Software Security 6 A1N 1 V
    TDDE21 Avancerad projektkurs: Säkra distribuerade och inbyggda system 6* A1F 4 V
    *Kursen läses över flera perioder
    TSIN02 Internetteknik 6 A1N 1 V
    Inriktning: Programmering och mjukvarumetoder — Preliminära kurser
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TDDC88 Programutvecklingsmetodik 12* A1N 1 V
    *Kursen läses över flera perioder
    TDDD04 Programvarutestning 6 A1N 2 V
    TDDD08 Logikprogrammering 6 A1N 4 V
    TDDE45 Avancerad programvarudesign 6 A1N 4 V
    TDDE52 Programmeringsprojekt med öppen källkod 6* A1F 4 V
    *Kursen läses över flera perioder
    Period 2
    TDDC34 Teknisk, ekonomisk och samhällelig utvärdering av IT-produkter 6 A1N 4 V
    TDDC88 Programutvecklingsmetodik 12* A1N 1 V
    *Kursen läses över flera perioder
    TDDC90 Software Security 6 A1N 1 V
    TDDD56 Multicore- och GPU-Programmering 6 A1N 2 V
    TDDE52 Programmeringsprojekt med öppen källkod 6* A1F 4 V
    *Kursen läses över flera perioder
    TDDE66 Kompilatorkonstruktion 6 A1N 1 V
    Inriktning: Visualisering och datorgrafik (termin 2, 3 på Campus Norrköping) — Preliminära kurser
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TNCG15 Advanced Global Illumination and Rendering 6 A1N 4 V
    TNM067 Vetenskaplig visualisering 6 A1N 3 V
    TNM091 Medieproduktion för immersiva miljöer 6* A1N 2 V
    *Kursen läses över flera perioder
    TNM114 Artificiell intelligens för interaktiv media, projektkurs 6 A1N 2 V
    Period 2
    TNM084 Procedurella metoder för bilder 6 A1N 4 V
    TNM091 Medieproduktion för immersiva miljöer 6* A1N 1 V
    *Kursen läses över flera perioder
    TNM116 Utvidgad verklighet (XR) - principer och programmering 6 A1N 2 V

    Termin 4 VT 2028

    Preliminära kurser
    Kurskod Kursnamn Hp Nivå Block VOF
    Period 1
    TQXX30 Examensarbete 30* A2E - O
    *Kursen läses över flera perioder
    Period 2
    TQXX30 Examensarbete 30* A2E - O
    *Kursen läses över flera perioder

    Kursplan

    För varje kurs ska en kursplan finnas. I kursplanen anges kursens mål och innehåll samt de särskilda förkunskaper som krävs för att den studerande skall kunna tillgodogöra sig undervisningen.

    Schemaläggning

    Schemaläggning av programkurser görs enligt beslutad blockindelning för respektive kurs. Fristående kurser kan schemaläggas på andra tider. 

    Avbrott och avanmälan på kurs

    Enligt beslut vid Linköpings universitet skall avbrott i studier registreras i Ladok, se Riktlinjer och rutiner för bekräftelse av deltagande i utbildning med mera på grund- och avancerad nivå, Dnr LiU-2020-02256 (https://styrdokument.liu.se/Regelsamling/VisaBeslut/764582). Alla studenter som inte deltar i kurs man registrerat sig på är alltså skyldiga att anmäla avbrottet så att detta kan noteras i Ladok. Avanmälan eller avbrott från kurs görs via webbformulär Blanketter och formulär 

    Inställd kurs eller avvikelse från kursplanen

    Kurser med få deltagare (< 10) kan ställas in eller organiseras på annat sätt än vad som är angivet i kursplanen. Om kurs skall ställas in eller avvikelse från kursplanen skall ske prövas och beslutas detta av dekan. För fristående kurser måste inställande av kurs ske innan studenter har antagits på kursen (i enlighet med LiUs antagningsordning Dnr LiU-2022-01200, https://styrdokument.liu.se/Regelsamling/VisaBeslut/622645). 

    Riktlinjer rörande examination och examinator 

    Se Beslut om Riktlinjer för utbildning och examination på grundnivå och avancerad nivå vid Linköpings universitet Dnr LiU-2023-00379, (http://styrdokument.liu.se/Regelsamling/VisaBeslut/917592). 

    Examinator för en kurs ska inneha en läraranställning vid LiU i enlighet med LiUs anställningsordning, Dnr LiU-2022-04445 (https://styrdokument.liu.se/Regelsamling/VisaBeslut/622784). För kurser på avancerad nivå kan följande lärare vara examinator: professor (även adjungerad och gästprofessor), biträdande professor (även adjungerad), universitetslektor (även adjungerad och gästlektor), biträdande universitetslektor eller postdoktor. För kurser på grundnivå kan följande lärare vara examinator: professor (även adjungerad och gästprofessor), biträdande professor (även adjungerad), universitetslektor (även adjungerad och gästlektor), biträdande universitetslektor, universitetsadjunkt (även adjungerad och gästadjunkt) eller postdoktor. I undantagsfall kan även en Timlärare utses som examinator på både grund- och avancerad nivå, se Tekniska fakultetsstyrelsen vidaredelegationer. 

    Examination

    Principer för tentamina

    Skriftlig och muntlig tentamen samt digital salstentamen och datortentamen ges minst tre gånger per år; en gång omedelbart efter kursens slut, en gång i augustiperioden samt vanligtvis i en av omtentamensperioderna. Annan placering beslutas av programnämnden.

    Principer för tentamensschemat för kurser som följer läsperioderna:

    • kurser som ges Vt1 förstagångstenteras i mars och omtenteras i juni och i augusti
    • kurser som ges Vt2 förstagångstenteras i maj och omtenteras i augusti och i januari
    • kurser som ges Ht1 förstagångstenteras i oktober och omtenteras i januari och augusti
    • kurser som ges Ht2 förstagångstenteras i januari och omtenteras i mars och i augusti

    Tentamensschemat utgår från blockindelningen men avvikelser kan förekomma främst för kurser som samläses/samtenteras av flera program samt i lägre årskurs.

    För kurser som ges vartannat år ges tentamina 3 gånger endast under det år kursen ges.

    För kurser som flyttas eller ställs in så att de ej ges under något eller några år ges tentamina 3 gånger under det närmast följande året med tentamenstillfällen motsvarande dem som gällde före flyttningen och/eller inställandet av kursen.

    När en kurs, eller ett tentamensmoment (TEN, DIT, DAT, MUN), ges för sista gången ska ordinarie tentamen och två omtentamina erbjudas. Därefter fasas examinationen ut under en avvecklingsperiod med tre tentamina samtidigt som tentamen ges i eventuell ersättningskurs under det följande läsåret. Undantaget är kurser som gavs i perioden HT1, där de tre examinationstillfällena blir januari, mars och augusti. Om ingen ersättningskurs finns ges tre tentamina i omtentamensperioder under det följande läsåret. Annan placering beslutas av programnämnden. I samtliga fall ges dessutom tentamen ytterligare en gång under det därpå följande året om inte programnämnden föreskriver annat. Totalt erbjuds alltså 6 omtentamenstillfällen, varav 2 ordinarie omtentamenstillfällen. I tentaanmälningssystemet markeras tentamina som ges för näst sista respektive sista gången.

    Om en kurs ges i flera perioder under året (för program eller vid skilda tillfällen för olika program) beslutar programnämnden/programnämnderna gemensamt om placeringen av och antalet omtentamina. 

    För fristående kurser med tentamensmoment som inte följer blockplacering kan andra tider förekomma. 

    Omprov övriga examinerande moment

    För riktlinjer för omprov vid andra examinerande moment än skriftliga tentamina, digital salstentamina och datortentamina hänvisas till de generella LiU-riktlinjerna för examination och examinator, Dnr LiU-2023-00379 (http://styrdokument.liu.se/Regelsamling/VisaBeslut/917592). 

    Även andra examinationsmoment ska principmässigt hanteras på samma sätt som ett tentamensmoment när de ges för sista gången. Dock kan tidpunkterna för examinationen variera utifrån momentets karaktär jämfört med tentamenstiderna. 

    Nedlagd kurs

    För Beslut om Rutiner för administration vid avveckling av utbildningsprogram, fristående kurser och kurser inom program, se Dnr LiU-2021-04782 (https://styrdokument.liu.se/Regelsamling/VisaBeslut/1156410). Efter beslut om nedläggning och efter avvecklingsperiodens slut hänvisas studenterna till ersättande kurs (eller motsvarande) enligt information i kursplan eller utbildningsplan. Om en student har godkänt i något/några delmoment (men inte alla) i en avvecklad programkurs och det finns en åtminstone delvis ersättande kurs så kan en bedömning om eventuellt tillgodoräknande ske. Vid eventuella frågor om tillgodoräkning av del av kurs kontakta studievägledare.

    Anmälan till tentamen

    För deltagande i skriftlig tentamen, digital salstentamen och datortentamen är anmälan obligatorisk, se beslut i regelsamlingen Dnr LiU-2020-04559 (https://styrdokument.liu.se/Regelsamling/VisaBeslut/622682). En oanmäld student kan således inte erbjudas plats. Anmälan till tentamen är öppen 30 kalenderdagar före provdatum och stänger 10 kalenderdagar innan provdatum om inget annat anges. Anmälan görs av studenten i Studentportalen eller via LiU-appen. Anvisad sal meddelas fyra dagar före tentamensdagen via e-post. 

    Ordningsföreskrifter för studerande vid tentamensskrivningar

    Se särskilt beslut i regelsamlingen, Dnr LiU-2020-04559 (http://styrdokument.liu.se/Regelsamling/VisaBeslut/622682).

    Plussning

    Vid Tekniska fakulteten vid LiU har studerande rätt att genomgå förnyad examination (s.k. plussning) för högre betyg på skriftliga tentamina, digital salstentamina och datortentamina, dvs samtliga provmoment med modulkod TEN, DIT och DAT. På övriga examinationsmoment ges inte möjlighet till plussning, om inget annat anges i kursplan.

    Plussning är ej möjlig på kurser som ingår i utfärdad examen.

    Betyg och examinationsformer

    Företrädesvis skall betygen underkänd (U), godkänd (3), icke utan beröm godkänd (4) och med beröm godkänd (5) användas. 

    • Kurser med skriftlig tentamen och digital salstentamen skall ge betygen (U, 3, 4, 5).
    • Kurser med stor del tillämpningsinriktade moment såsom laborationer, projekt eller grupparbeten får ges betygen underkänd (U) eller godkänd (G).
    • Examensarbete samt självständigt arbete ger betyg underkänd (U) eller godkänd (G).

    Examinationsmoment och modulkoder

    Nedan anges vad som gäller för de examinationsmoment med tillhörande modulkod som tillämpas vid Tekniska fakulteten vid Linköpings universitet. 

    • Skriftlig tentamen (TEN) och digital salstentamen (DIT) skall ge betyg (U, 3, 4, 5).
    • Examinationsmoment som kan ge betygen underkänd (U) eller godkänd (G) är laboration (LAB), projekt (PRA), kontrollskrivning (KTR), digital kontrollskrivning (DIK), muntlig tentamen (MUN), datortentamen i datorsal (DAT), uppgift (UPG), hemtentamen (HEM), digital kontrollskrivning i datorsal (DAK).
    • Övriga examinationsmoment där examinationen uppfylls framför allt genom aktivt deltagande som basgrupp (BAS) eller moment (MOM) ger betygen underkänd (U) eller godkänd (G).
    • Examinationsmomenten Opposition (OPPO) och Auskultation (AUSK) inom examensarbetet ger betyg underkänd (U) eller godkänd (G).

    Allmänt gäller att:

    • Obligatoriska kursmoment skall vara poängsatta och ges en modulkod.
    • Examinationsmoment som ej är poängsatt får ej vara obligatoriskt. Det är frivilligt att delta på dessa moment och information om det samt tillhörande villkor skall tydligt framgå i den beskrivande texten.
    • För kurser med flera examinationsmoment med graderad betygsskala skall det anges hur slutbetyg på kursen vägs samman.

    För obligatoriska moment gäller att (i enlighet med Riktlinjer för utbildning och examination på grundnivå och avancerad nivå vid Linköpings universitet, Dnr 
    LiU-2023-00379 http://styrdokument.liu.se/Regelsamling/VisaBeslut/917592): 

    • Om det finns särskilda skäl, och om det med hänsyn till det obligatoriska momentets karaktär är möjligt, får examinator besluta att ersätta det obligatoriska momentet med en annan likvärdig uppgift.

    För möjlighet till anpassade examinationsmoment gäller att (i enlighet med Riktlinjer för utbildning och examination på grundnivå och avancerad nivå vid Linköpings universitet, Dnr LiU-2023-00379 http://styrdokument.liu.se/Regelsamling/VisaBeslut/917592): 

    • Om LiU: s koordinator för studenter med funktionsnedsättning har beviljat en student rätt till anpassad examination vid salstentamen har studenten rätt till det.
    • Om koordinatorn har gett studenten en rekommendation om anpassad examination eller alternativ examinationsform, får examinator besluta om detta om examinator bedömer det möjligt utifrån kursens mål.
    • Examinator får också besluta om anpassad examination eller alternativ examinationsform om examinator bedömer att det finns synnerliga skäl och examinator bedömer det möjligt utifrån kursens mål.

    Rapportering av examinationsresultat

    Rapportering av den studerandes examinationsresultat sker på respektive institution.

    Plagiering

    Vid examination som innebär rapportskrivande och där studenten kan antas ha tillgång till andras källor (exempelvis vid självständiga arbeten, uppsatser etc) måste inlämnat material utformas i enlighet med god sed för källhänvisning vad gäller användning av andras text, bilder, idéer, data etc. Detta sker genom referenser eller citat med angivande av källa. Det ska även framgå ifall författaren återbrukat egen text, bilder, idéer, data etc från tidigare genomförd examination, exempelvis från kandidatarbete, projektrapporter etc. (ibland kallat självplagiering).

    Underlåtelse att ange sådana källor kan betraktas som försök till vilseledande vid examination.

    Försök till vilseledande

    Vid grundad misstanke om att en student försökt vilseleda vid examination eller när en studieprestation ska bedömas ska enligt Högskoleförordningens 10 kapitel examinator anmäla det vidare till universitetets disciplinnämnd. Möjliga konsekvenser för den studerande är en avstängning från studierna eller en varning. För mer information se Fusk och plagiat.

    Linköpings universitet har även tagit fram en vägledning för lärares och studenters användning av generativ AI i utbildningen (Dnr LiU-2023-02660). Som student förväntas du alltid ta reda på vad som gäller för respektive kurs (inklusive examensarbetet). Generellt gäller tydlighet för var och hur generativ AI har använts.

    Regler

    Universitetet är en statlig myndighet vars verksamhet regleras av lagar och förordningar, exempelvis Högskolelagen och Högskoleförordningen. Förutom lagar och förordningar styrs verksamheten av ett antal styrdokument. I Linköpings universitets egna regelverk samlas gällande beslut av regelkaraktär som fattats av universitetsstyrelse, rektor samt fakultets- och områdesstyrelser. 

    LiU:s regelsamling angående utbildning på grund- och avancerad nivå nås på https://styrdokument.liu.se/Regelsamling/Innehall. 

    Rättigheter och skyldigheter som student (inloggning krävs)
    Linköpings universitets generella regelverk