N氓r du s酶ger om optagelse i kvote 2, skal du deltage i en kvote 2-pr酶ve. Og hvis dit resultat fra pr酶ven er blandt de bedste til uddannelsen, skal du ligeledes deltage i et interview.
Kvote 2-kriterier p氓 machine learning og datavidenskab
Vi vurderer dine pr酶veresultater og interviewbesvarelser ud fra 6 kriterier:
笔氓 machine learning og datavidenskab vurderer vi dine faglige f忙rdigheder p氓 baggrund af dine resultater af kvote 2-pr酶ven og dine interviewbesvarelser.
Faglige f忙rdigheder vi is忙r v忙gter p氓 uddannelsen:
- Logisk r忙sonnement
- Systematisk probleml酶sning
- Matematisk argumentation og opgavel酶sning
- Sproglige f忙rdigheder i dansk og engelsk 鈥� is忙r god sprogforst氓else og l忙sef忙rdigheder.
Vi vurderer din formidlingsevne p氓 baggrund af din interviewbesvarelse.
Du skal kunne formidle og argumentere pr忙cist og nuanceret med kun f氓 fejl.
Vi vurderer dit kendskab til uddannelsens form og indhold p氓 baggrund af dine interviewbesvarelser.
Vi kan fx se p氓:
- dit kendskab til uddannelsens fag, indhold, opbygning, undervisnings- og arbejdsformer
- hvordan du forholder dig til uddannelsens bredde inden for fagomr氓det
- dine overvejelser og kendskab til jobmuligheder efter endt uddannelse
- dine forventninger til uddannelsen og til dig selv (ved du hvad uddannelsen kr忙ver af dig?)
Vi vurderer din faglige motivation p氓 baggrund af dine interviewbesvarelser.
Din faglige motivation kommer fx til udtryk gennem din viden om uddannelsen og din interesse for fagomr氓det.
Vi kan fx se p氓:
- Hvordan din interesse for uddannelsens fagomr氓de kommer til udtryk
- Hvordan du beskriver elementer ved uddannelsen, der har gjort indtryk p氓 dig
- Hvorfor du vil studere p氓 universitetet, og om du ved, hvad det kr忙ver af dig
- Dine overvejelser om karriere under og efter endt uddannelse
Vi vurderer dit studiepotentiale ved at se p氓 dine resultater fra kvote 2-pr酶ven og dine interviewbesvarelser. Dvs. om du har de kompetencer, det kr忙ver for at gennemf酶re en universitetsuddannelse.
Vi kan fx se p氓:
- Om du er m氓lrettet i din tilgang til opgavel酶sning, s氓vel som det at fuldf酶re uddannelsen
- Dine forventninger til dig selv som studerende
- Hvordan du forestiller dig, at dine erfaringer kan bruges p氓 din kommende uddannelse ud fra dit kendskab til uddannelsens indhold
- Hvordan du klarede dig i kvote 2-pr酶ven, og hvordan du lever op til de 酶vrige kriterier
- Hvis du har studeret f酶r: Hvordan vil du sikre, at du fuldf酶rer denne uddannelse? Hvad er anderledes denne gang?
Dine karakterer fra din adgangsgivende eksamen indg氓r i kvote 2-vurderingen, enten gennemsnittet, eller karakterer i specifikke fag (adgangskravene) eller begge dele.
S氓dan vurderede vi kvote 2 i 2024
Hvis du fik afslag p氓 din ans酶gning i kvote 2 i 氓r, kan du se her, hvordan vi vurderede 氓rets ans酶gninger til machine learning og datavidenskab p氓 K酶benhavns Universitet.
笔氓 machine learning og datavidenskab modtog vi 110 ans酶gninger til 8 kvote 2-pladser. 43 gik videre til interview.
Hvis du blev inviteret til interview, var din score fra kvote 2-pr酶ven 25 eller h酶jere.
.
Det faglige optagelsesudvalg p氓 uddannelsen lavede en helhedsvurdering ud fra .
Dit interview, dine karakterer fra din adgangsgivende eksamen og eventuelt supplering og din kvote 2-pr酶ves resultater var med i vurderingen.
S氓dan vurderede vi dit interview
Kriterierne studiepotentiale, faglige f忙rdigheder, faglig motivation og kendskab til uddannelsen indgik i vurderingen.
Sp酶rgsm氓l 1 unders酶gte kriterierne studiepotentiale, kendskab til uddannelsen og faglige f忙rdigheder. De bedste svar udm忙rkede sig ved:
- at ans酶gerne kom med konkrete og fokuserede beskrivelser af vigtigheden af de tre fagomr氓der og redegjorde pr忙cist og konkret for deres f忙rdigheder og kompetencer i forhold til fagomr氓derne.
Sp酶rgsm氓l 2 unders酶gte kriterierne faglig motivation og kendskab til uddannelsen. De bedste svar udm忙rkede sig ved:
- at ans酶gerne gav konkrete eksempler p氓 problemstillinger. Her viste ans酶gerne ogs氓 i valget af eksempler, at de havde et godt kendskab til uddannelsens fagomr氓de.
- at ans酶gerne redegjorde pr忙cist og velbegrundet for valget af uddannelsen i machine learning og datavidenskab.
Sp酶rgsm氓l 3 unders酶gte kriteriet faglige f忙rdigheder. De bedste svar udm忙rkede sig ved:
- at ans酶gerne svarede korrekt p氓 sp酶rgsm氓lene.
- at ans酶gerne argumenterede pr忙cist og havde en klar l酶sningsmetode.
Inden for kriteriet formidlingsevne
De bedste svar udm忙rkede sig ved, at de var velbegrundede, pr忙cise, klart formulerede, og at der var en n酶jagtig matematisk argumentation i sp酶rgsm氓l 3.
Karaktererne for den adgangsgivende eksamen
Gennemsnittet fra den gymnasiale eksamen og karakterer i faget Matematik A indgik i vurderingen.
Kvote 2-pr酶vens resultater
Resultatet fra den matematiske/logiske del i kvote 2-pr酶ven indgik i vurderingen. Det vil sige matematik, grafer og tabeller samt logik og m酶nstergenkendelse.