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.
Sådan vurderede vi kvote 2 i 2024
Hvis du fik afslag på din ansøgning i kvote 2 i år, kan du se her, hvordan vi vurderede årets ansøgninger til machine learning og datavidenskab på Københavns Universitet.
På machine learning og datavidenskab modtog vi 110 ansøgninger til 8 kvote 2-pladser. 43 gik videre til interview.
Hvis du blev inviteret til interview, var din score fra kvote 2-prøven 25 eller højere.
Læs mere om resultaterne af dette års kvote 2-prøve.
Det faglige optagelsesudvalg på uddannelsen lavede en helhedsvurdering ud fra de seks kvote 2-kriterier.
Dit interview, dine karakterer fra din adgangsgivende eksamen og eventuelt supplering og din kvote 2-prøves resultater var med i vurderingen.
Sådan vurderede vi dit interview
Kriterierne studiepotentiale, faglige færdigheder, faglig motivation og kendskab til uddannelsen indgik i vurderingen.
Spørgsmål 1 undersøgte kriterierne studiepotentiale, kendskab til uddannelsen og faglige færdigheder. De bedste svar udmærkede sig ved:
- at ansøgerne kom med konkrete og fokuserede beskrivelser af vigtigheden af de tre fagområder og redegjorde præcist og konkret for deres færdigheder og kompetencer i forhold til fagområderne.
Spørgsmål 2 undersøgte kriterierne faglig motivation og kendskab til uddannelsen. De bedste svar udmærkede sig ved:
- at ansøgerne gav konkrete eksempler på problemstillinger. Her viste ansøgerne også i valget af eksempler, at de havde et godt kendskab til uddannelsens fagområde.
- at ansøgerne redegjorde præcist og velbegrundet for valget af uddannelsen i machine learning og datavidenskab.
Spørgsmål 3 undersøgte kriteriet faglige færdigheder. De bedste svar udmærkede sig ved:
- at ansøgerne svarede korrekt på spørgsmålene.
- at ansøgerne argumenterede præcist og havde en klar løsningsmetode.
Inden for kriteriet formidlingsevne
De bedste svar udmærkede sig ved, at de var velbegrundede, præcise, klart formulerede, og at der var en nøjagtig matematisk argumentation i spørgsmål 3.
Karaktererne for den adgangsgivende eksamen
Gennemsnittet fra den gymnasiale eksamen og karakterer i faget 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 mønstergenkendelse.
Machine learning og datavidenskab
-
Læs mere om uddannelsen
-
Prøv et uddannelsestjek på machine learning og datavidenskab