en_GB
Hold Ctrl-tasten nede. Trykk på + for å forstørre eller - for å forminske.

En kandidat med fullført og bestått 2-årig mastergrad i Computational Engineering skal ha følgende samlede læringsutbytte definert i form av kunnskap, ferdigheter og generell kompetanse:
Kunnskap
K1: Har avansert kunnskap innen usikkerhetskvantifisering og modellering for beslutningsstøtte. Dette betyr at en har evnen til utvikle matematiske modeller som respekterer usikkerheten som ligger i et ufullstendig datagrunnlag, og som gir grunnlag for bedre forståelse/tolkning av data så vel som gjennomtenkte beslutninger.
K2: Har avansert kunnskap om effektive metoder for å designe, utvikle og teste modeller.
K3: Har avansert kunnskap innenfor bruk av algoritmer og algoritmisk tekning for å løse diskrete og kontinuerlige problemer.
K4: Har avansert kunnskap om effektive metoder for å designe, utvikle og teste modeller.
K5: Forstår begrensninger som ligger i valg av ulike modellformuleringer for å beskrive et komplekst system.
K6: Forstår begrensningene knyttet til valgt løsningsmetode, inkludert numerisk avrundningsfeil og begrensinger som ligger i valg av spesifikke algoritmer/numeriske metoder.
K7: Kunne forstå viktigheten av å kvantifisere relevante og materielle usikkerheter for å generere innsikt og gjennomtenkte beslutninger.
K8: Har inngående kunnskap om betydningen- og konsekvensene som ligger i det velkjente sitatet av George Box, 1978: «All models are wrong, but some models are useful».
Ferdigheter F1: Kunne analysere og forholde seg kritisk til ulike informasjonskilder og anvende disse til å strukturere og formulere faglige resonnementer i henhold til modellering, usikkerhetskvantifisering, simulering, optimalisering og beslutningsstøtte.
F2: Har detaljerte kunnskaper og erfaringer med programmering i minst ett programmeringsspråk på høyere nivå.
F3: Kunne bestemme parametere i modeller ved hjelp av data og ekspertkunnskap.
F4: Kunne finne riktig balanse mellom en modells nytteverdi (hvor troverdige er forståelsen generert ved hjelp av modellen) og håndterlighet (enhver analyse må fullføres innenfor gitte tids- og ressursbegrensninger.
F5: Utvikle egne modelleringsprogrammer for bestemte beslutnings- eller optimaliseringssituasjoner.
F6: Kan gjennomføre et selvstendig, avgrenset forsknings- eller utviklingsprosjekt under veiledning og i tråd med gjeldende forskningsetiske normer. F7: Kunne evaluere instrumenter og applikasjoner for å optimalisere datainnsamling, analyse og styring.
F8: Utviser sensitivitetsanalyse av modellparametere for å generere ytterligere innsikt og forståelse.
Generell kompetanse
G1: Kan utvikle hypoteser og foreslå systematiske måter å teste dem ved hjelp av matematiske modeller
G2: Kan kommunisere om faglige problemstillinger, beslutningssituasjoner, analyser og konklusjoner innenfor fagområdet, både med spesialister og til allmennheten.
G3: Kunne bruke de generiske egenskapene som ligger i bruk av matematiske formuleringer for å aktivt søke å overføre kunnskap mellom forskjellige applikasjoner.
G4: Kunne bruke den matematiske formuleringen for å få innsikt i kjernen i problemet, det vil avdekke de mest grunnleggende mekanismene som styrer prosessen som studeres.
G5: Har innsikt i «The Art and Science of Mathematical Modeling».