Kandidatexamen i tillämpad datavetenskap (online och on-campus)

IT-utbildning med fokus på det växande globala behovet av big data-analys. Applied Data Science lär dig vetenskapliga metoder för att arbeta med data på ett praktiskt och relevant sätt.

Dataexplosionen

Vi lever i datatiden! Uppgifter kommer från överallt - inlägg på sociala mediesajter, online-försäljningstransaktioner, klimat- och trafiksensorer, GPS-aktiverade enheter, mobiltelefonsystem, transportnät, industrisystem, sjukvård och Internet of the Things. Data genereras i en hastigt snabbare hastighet av både människor och maskiner. IBM uppskattar att 2,5 dagars databyt genereras varje dag, varav 90% av befintlig data har skapats under de senaste två åren.

Ökningen av Big Data och tillgången till många, olika specialiserade datauppsättningar innebär att dataexperter behövs för att arbeta inom alla ämnesområden, inklusive vetenskap, industri och regering, som arbetar över hela datalivscykeln, från förvärv, rengöring och utforskning till analys, visualisering och kommunikation. Detta är domänen för datavetaren.

Under hela kandidatprogrammet kommer studenterna att lära sig de teoretiska grunderna som krävs för att arbeta inom detta område samt praktisk tillämpning av verktyg och tekniker som används inom datavetenskap. Detta inkluderar datahantering, analys och visualisering, mjukvaruutveckling och distribution, matematisk och statistisk analys och artificiell intelligens och maskininlärning.

Programinformation

Nästa start:

• 10 augusti 2020

Campus:

• Kristiansand
• Online studier

Varaktighet:

• 3 år

Programspråk:

• engelsk

Programstruktur

Programmets första år har utformats för att utveckla en bredd av grundläggande färdigheter som krävs av datavetare. Under detta studieår kommer eleverna att utveckla färdigheter i programmering, matematik, nätverk och datahantering tillsammans med forskning och projektledning.

Under det andra studieåret kommer studenter att vidareutveckla sina programmerings- och mjukvaruutvecklingsfärdigheter. De kommer också att utforska statistiska verktyg och tekniker för dataanalys och utforska NoSQL datalagringsteknologier.

Under det sista året får eleverna praktisk erfarenhet av big data-analys och datavisualisering och utveckla applikationer med hjälp av maskininlärningsprinciper. I år ingår också möjligheten att utveckla domänspecifik praktisk expertis, utforska datakraven inom industrisektorerna inom olja och gas, teknik och informationsteknologi, eller samhällsrelaterade sektorer inom regering och hälsovård.

Efter avslutad examen kommer kandidaterna ha den teoretiska och praktiska kompetens som krävs för att arbeta inom en mängd olika branscher inom många typer av organisationer. Kandidater kommer också att vara kvalificerade att fortsätta utveckla sin expertis genom ytterligare studier.

Kurser

År 1:

• Problembaserad lärande och forskningsmetoder
• Introduktion till informationssäkerhet
• Professionella aspekter av datorer
• Introduktion till programmering
• Diskret matematik
• Nätverksprinciper
• Programmering och databaser
• Studioprojektarbete

År 2:

• Objektorienterad programmering
• Operativt filsystem
• NoSQL databaser
• Statistiska analysverktyg och tekniker
• Professionell mjukvaruutveckling
• Algoritmer och datastrukturer
• Studioprojektarbete

År 3:

• Slutårsprojekt
• Big Data Analytics
• Datavisualisering
• Maskininlärning
• Valfri
• Valfri

Tillval:

• Smart Sociations Health, Society and Media
• Smarta teknologier: dator, telekommunikation och cybersäkerhet
• Smart Industries: Oil, Gas and Engineering
• Naturlig språkbehandling
• Kryptografi och steganografi
• Incident Management
• Ytterligare diskret matematik
• Ren matematik för datoranvändning

Lärandemål

Kunskap:

• Har en bred kunskap om viktiga ämnen, teorier, principer och frågor inom datavetenskap, big data-analys och relaterade fält och tillhörande teoretiska och digitala processer, verktyg och metoder för att undersöka datadriven problematiska situationer.
• Känner till aktuellt forsknings- och utvecklingsarbete inom området Big Data Analytics och datavetenskap.
• Har kunskap om de viktigaste programvaruutvecklingen och dataanalysprinciperna, teorierna, verktygen och teknikerna för att arbeta med stora heterogena datamängder, hur man tillämpar dem inom en mängd olika datadrivna domäner och situationer och hur man utvärderar deras effektivitet och resultat erhållna från deras ansökan.
• Kan uppdatera sina kunskaper inom datavetenskap genom akademisk studie, forskning och professionell utveckling.
• Har kunskap om historia och utveckling av big data-analys och datavetenskap, inklusive de viktigaste verktygen, teknikerna och teknologierna inom datavetenskapens område och deras förflutna och potentiella framtida påverkan på vetenskapens funktion, hantering, analys och utveckling, industri och samhälle.
• Förstår de juridiska och etiska frågor som rör inhämtning och analys av big data och presentera resultaten av big data-analys för intressenter.
• Har kunskap om att tillämpa datavetenskapliga principer och statistiska och analytiska verktyg och tekniker inom komplexa vetenskapliga, samhälleliga och industriella områden.

Kompetens:

• Kan tillämpa akademisk och teoretisk kunskap om dataanalysverktyg och tekniker, plus aktuellt forsknings- och utvecklingsarbete, på praktiska och teoretiska datavetenskapsproblem för att fatta välgrundade, informerade och motiverade beslut och val.
• Kan reflektera över egen akademisk praxis och professionell utveckling, identifiera områden för förbättring och anpassa sig till framtida utveckling inom dataanalys och visualiseringsverktyg, tekniker och teknik.
• Kan hitta, utvärdera och hänvisa till relevant information och vetenskapligt ämne och presentera det på ett sätt som belyser datadrivna problem.
• Kan på lämpligt och effektivt lokalisera, anskaffa, manipulera och analysera stora heterogena datamängder med lämplig dataanalysteknik och statistiska tekniker.
• Kan utvinna betydelse från och tolka data med hjälp av olika matematiska och maskininlärningsverktyg och metoder.
• Kan välja och använda de primära digitala verktygen och teknikerna för att visualisera data och resultaten av big data-analys på ett lämpligt och professionellt sätt, för att utveckla och presentera informativ insikt i datadrivna problematiska situationer.
• Kan kritiskt välja och tillämpa en rad analytiska och metodiska problemlösningstekniker, baserade på forskning, och för att kunna tolka lösningarna och presentera resultaten på lämpligt sätt.
• Kan identifiera intressenter i datavetenskapliga projekt och kommunicera, nätverka och samarbeta med dessa intressenter på lämpligt sätt enligt projektkraven och de potentiella effekterna av resultat.

Allmän kompetens:

• Kan identifiera och på lämpligt sätt agera på komplexa etiska frågor som uppstår inom den akademiska och professionella praxis som datavetare.
• Kan planera, genomföra och hantera olika uppdrag och datavetenskapliga projekt över tid, ensam eller som en del av en grupp, till en framgångsrik slutsats och i enlighet med relevanta etiska krav och principer.
• Kan kommunicera resultaten av teoretiskt, praktiskt och forskningsbaserat akademiskt arbete effektivt med lämpliga former av kommunikation (elektroniskt, muntligt och / eller skriftligt) för att presentera teorier, argument, problem och lösningar på ett lämpligt, professionellt sätt.
• Kan kommunicera och utbyta åsikter, idéer och andra ämnen som teorier, problem och lösningar, med andra med bakgrund och / eller erfarenhet inom datavetenskap och relaterade områden, genom val och tillämpning av lämpliga kommunikationsmetoder och därmed bidra till utvecklingen av god praxis inom datavetenskapen.
• Kan engagera sig i självreflektion som en del av strategin för livslångt lärande som krävs av en datavetenskapspersonal och en reflekterande utövare.
• Känner till aktuellt och nytt tänkande och trender inom området datavetenskap och relaterade discipliner.

Karriärmöjligheter

Kompetensen och färdigheterna i detta kandidatprogram är eftertraktade eftersom många trendindikatorer tyder på datavetenskap och "Big Data" -relaterade problem kommer att ha allt större betydelse för många kommersiella sektorer. Detta har drivits under de senaste åren av teknikutvecklingen och datainträffligheten. De nya initiativen relaterade till ny teknik som används i Smart Cities, Internet of Things och Cyber-Physical Systems kommer också att generera en stor mängd data som kräver specialister inom datavetenskap. Det finns ett brådskande behov av akademiker som är skickliga i storskalig dataanalys.

Enligt Abelia finns det ett oroande underskott för personer med stark teknisk kompetens i Norge. Avståndet mellan behov och tillgänglig expertis varierar från 24 till 113 procent. Det bästa fallet tyder på att år 2030 kommer en av fyra IKT-positioner att vara lediga.

McKinsey uppskattar att USA har en brist på 140 000 till 190 000 personer med analytisk expertis och 1,5 miljoner chefer och analytiker med förmågan att förstå och fatta beslut baserat på analys av big data. Detta uppskattas som ett mellanrum på 50-60% i efterfrågan på analytiska experter. En rapport från Royal Statistical Society i Storbritannien har påpekat att 80% av organisationerna redan har problem med att hitta färdigheterna för att fylla den ökande efterfrågan.

De flesta stora företag som förlitar sig på informationsteknologi har behov av personer med expertis inom datavetenskap. Denna kandidatexamen ger därför en unik kvalifikation för att hantera utmaningar i olika organisationer och branscher.

Vidare studier

Studenter som önskar vidareutbildning i datavetenskap kan ansöka om magisternivåstudier relaterade till datoranalys, dataanalys eller datavetenskap vid olika institutioner för högre utbildning både i Norge och internationellt. Kandidater som vill bedriva doktorandstudier skulle då kunna ansöka om sådana studiemöjligheter i Norge eller därefter.