DA2210 Vetenskapsteori och vetenskaplig metodik för dataloger 6,0 hp

Introduction to the Philosophy of Science and Research Methodology for Computer Scientists

OBS!

Informationen nedan baseras på en kursplan som ännu inte har börjat gälla.

  • Utbildningsnivå

    Avancerad nivå
  • Huvudområde

    Datalogi och datateknik
  • Betygsskala

    A, B, C, D, E, FX, F

Kurstillfällen/kursomgångar

HT19 vettig19 för programstuderande

HT18 vettig18 för programstuderande

Lärandemål

Efter godkänd kurs ska studenten kunna

  • redogöra för och analysera vetenskapliga teorier relevanta för forskning inom datalogi,
  • redogöra för och analysera vetenskapliga metoder relevanta för forskning inom datalogi,
  • kritiskt granska vetenskapliga artiklar i datalogi, med avseende på teori, metod och resultat,
  • identifiera metodologiska problem i en undersökning,
  • identifiera etiska problem i olika vetenskapliga situationer och resonera kring dem,
  • planera och genomföra skrivandet av en vetenskaplig rapport.

Kursens huvudsakliga innehåll

  • De grundläggande begreppen inom vetenskapsteori och vetenskaplig metodik, så som kausalitet, data, korrelation, hypotes, induktiva-deduktiva metoder.
  • Speciella metoder och problem inom datalogi och matematik.
  • Vetenskaplig metodik inom ingenjörsprojekt.
  • Experimentmetodik.
  • Etik inom vetenskap och vetenskapens roll i samhället.
  • Hur man läser och skriver vetenskapliga rapporter.
  • Praktisk träning i skrivandet av vetenskapliga rapporter (liknande examensarbeten).

Kursupplägg

Föreläsningar som behandlar teoretiska huvudresultat och grundläggande vetenskapliga metoder.

Seminarier, i vilka studenterna gruppvis och individuellt tränas i att läsa om, beskriva och utvärdera vetenskapliga experiment och rapporter.

Praktisk träning i att skriva kortare och längre vetenskapliga rapporter, som tillämpar de metoder och teorier som gåtts igenom i kursen.

Behörighet

Rekommenderade förkunskaper

Motsvarande behörighetskraven för masterprogrammen i datalogi eller maskininlärning.

Litteratur

Kurslitteratur meddelas senast 4 veckor innan kursstart på kursens hemsida.

Examination

  • HEM1 - Övningsuppgifter, 1,5, betygsskala: P, F
  • HEM3 - Uppsats, 1,5, betygsskala: A, B, C, D, E, FX, F
  • TEN1 - Tentamen, 3,0, betygsskala: A, B, C, D, E, FX, F

Krav för slutbetyg

Tentamen och hemuppgifter.

Ges av

EECS/Datavetenskap

Kontaktperson

Linda Kann, e-post: lk@kth.se

Examinator

Johan Karlander <karlan@kth.se>

Påbyggnad

Diskuteras med kursledaren.

Versionsinformation

Kursplan gäller från och med HT2019.
Examinationsinformation gäller från och med VT2019.