Kvote 2 på machine learning og datavidenskab
Når du søger om optagelse i kvote 2, skal du deltage i en kvote 2-prøve. Og hvis dit resultat fra prøven er blandt de bedste til uddannelsen, skal du ligeledes deltage i et interview.
Kvote 2-kriterier på machine learning og datavidenskab
Vi vurderer dine prøveresultater og interviewbesvarelser ud fra 6 kriterier:
Vi vurderer dit studiepotentiale ved at se på dine resultater fra kvote 2-prøven og dine interviewbesvarelser. Dvs. om du har de kompetencer, det kræver for at gennemføre en universitetsuddannelse.
Vi kan fx se på:
- Om du er målrettet i din tilgang til opgaveløsning, såvel som det at fuldføre uddannelsen
- Dine forventninger til dig selv som studerende
- Hvordan du forestiller dig, at dine erfaringer kan bruges på din kommende uddannelse ud fra dit kendskab til uddannelsens indhold
- Hvordan du klarede dig i kvote 2-prøven, og hvordan du lever op til de øvrige kriterier
- Hvis du har studeret før: Hvordan vil du sikre, at du fuldfører denne uddannelse? Hvad er anderledes denne gang?
På machine learning og datavidenskab vurderer vi dine faglige færdigheder på baggrund af dine resultater af kvote 2-prøven og dine interviewbesvarelser.
Faglige færdigheder vi især vægter på uddannelsen:
- Logisk ræsonnement
- Systematisk problemløsning
- Matematisk argumentation og opgaveløsning
- Sproglige færdigheder i dansk og engelsk – især god sprogforståelse og læsefærdigheder.
Vi vurderer din faglige motivation på baggrund af dine interviewbesvarelser.
Din faglige motivation kommer fx til udtryk gennem din viden om uddannelsen og din interesse for fagområdet.
Vi kan fx se på:
- Hvordan din interesse for uddannelsens fagområde kommer til udtryk
- Hvordan du beskriver elementer ved uddannelsen, der har gjort indtryk på dig
- Hvorfor du vil studere på universitetet, og om du ved, hvad det kræver af dig
- Dine overvejelser om karriere under og efter endt uddannelse
Vi vurderer dit kendskab til uddannelsens form og indhold på baggrund af dine interviewbesvarelser.
Vi kan fx se på:
- dit kendskab til uddannelsens fag, indhold, opbygning, undervisnings- og arbejdsformer
- hvordan du forholder dig til uddannelsens bredde inden for fagområdet
- dine overvejelser og kendskab til jobmuligheder efter endt uddannelse
- dine forventninger til uddannelsen og til dig selv (ved du hvad uddannelsen kræver af dig?)
Vi vurderer din formidlingsevne på baggrund af din interviewbesvarelse.
Du skal kunne formidle og argumentere præcist og nuanceret med kun få fejl.
Dine karakterer fra din adgangsgivende eksamen indgår i kvote 2-vurderingen, enten gennemsnittet, eller karakterer i specifikke fag (adgangskravene) eller begge dele.
Kvote 2-vurdering 2023
Hvis du søgte om optagelse i kvote 2 i år og fik afslag på din ansøgning, kan du her se, hvordan vi vurderede årets ansøgninger til machine learning og datavidenskab på Københavns Universitet.
På machine learning og datavidenskab modtog vi 92 ansøgninger til 6 kvote 2-pladser. 31 gik videre til interview.
Hvis du blev inviteret til interview, var din score fra kvote 2-prøven mindst 25 eller højere.
Læs mere om resultaterne af dette års kvote 2-prøve.
Det faglige optagelsesudvalg på uddannelsen foretog en helhedsvurdering ud fra de seks kvote 2-kriterier. Din interviewbesvarelse, dine karakterer fra din adgangsgivende eksamen og evt. supplering og din kvote 2-prøves resultater indgik i vurderingen.
Sådan vurderede vi din interviewbesvarelse
Kriterierne studiepotentiale, faglige færdigheder, faglig motivation og kendskab til uddannelsen indgik i vurderingen af din interviewbesvarelse.
I spørgsmål 1, som undersøgte kriterierne studiepotentiale og faglige færdigheder, udmærkede de bedste besvarelser sig ved:
- at ansøgerne kom med konkrete eksempler på færdigheder og kompetencer, hvor forbindelsen til uddannelsen og dens faglige indhold fremgik klart.
I spørgsmål 2, som undersøgte kriterierne faglig motivation og kendskab til uddannelsen, udmærkede de bedste besvarelser sig ved:
- at ansøgerne viste kendskab til uddannelsen og til uddannelsens indhold og fokus
- at ansøgerne relaterede uddannelsen til lignende uddannelser, der omhandler kunstig intelligens, machine learning eller datavidenskab.
I spørgsmål 3, som undersøgte kriteriet faglige færdigheder, udmærkede de bedste besvarelser sig ved:
- at ansøgerne svarede korrekt på de stillede spørgsmål
- at ansøgerne argumenterede præcist og havde en klar løsningsmetode.
Inden for kriteriet formidlingsevne
De bedste besvarelser udmærkede sig ved, at svarene på de stillede spørgsmål var klart formidlede.
Karaktererne for den adgangsgivende eksamen
Gennemsnittet fra den gymnasiale eksamen og karakterer i Matematik A indgik i vurderingen.
Kvote 2-prøvens resultater
Resultatet fra den matematiske/logiske del i kvote 2-prøven indgik i vurderingen. Det vil sige matematik, grafer og tabeller samt logik og mønstergodkendelse.
Machine learning og datavidenskab
-
Læs mere om uddannelsen
-
Prøv et uddannelsestjek på machine learning og datavidenskab