Applied Data Science, master i teknologi/siv.ing.


Dette er studieprogrambeskrivelsen for studieåret 2022-2023

Fakta

Vekting (stp)

120

Studieprogramkode

M-APPDAT

Studienivå

Mastergrad iht §3, 2 år

Fører til grad

Master of Science

Heltid/deltid

Heltid

Varighet

4 Semestre

Grunnstudium

Nei

Undervisningsspråk

Engelsk

En mastergrad i Applied Data Science gjør deg kvalifisert for de mest krevende og interessante 

arbeidsoppgavene innenfor data analyse, smarte løsninger (som for eksempler i smarte byer, smart energi) og digitalisering. 

 

Studiets innhold, oppbygging og sammensetning

Etter at studenten har fått opptak til det toårige masterprogrammet i Applied Data Science må studenten ta en test i programmering og systemadministrasjon. Dersom studenten får ikke bestått på testen, vil UiS tilby og oppfordre studenten til å gjennomføre et forberedende sommerkurs i programmering og systemadministrasjon. Formålet med kurset er at studentene skal bli best mulig forberedt til masterprogrammet. Kurset finner sted tidlig i august før ordinær semesterstart. 

Universitetet i Stavanger anser det ikke nødvendig å tilby sommerkurs for de studenter som allerede har bestått følgende emner ved Universitetet i Stavanger: 

  • 10 studiepoeng i programmering og minst 5 studiepoeng i operativsystemer  

Studiet inneholder metodeemner som skal utdype og videreføre det matematisk-naturvitenskaplige grunnlaget fra bachelorstudiet, tekniske spesialiseringsemner, valgemner og masteroppgaven. Det toårige masterstudiet i Applied Data Science gir 120 studiepoeng. 

Studiet har metodeemner som bygger videre på matematikk, statistikk og grunnleggende programmering fra bachelorstudiet i ingeniør eller realfag. Studiet inneholder videregående statistikkemner og algoritmeemner, maskinlæring og databaser. Studiet ha fordypning i informasjonsgjenfinning, datautvinning og ytterligere fordypning i statistikk. 

Læringsutbytte

En kandidat med fullført og bestått 2-årig mastergrad i Applied Data Science skal ha følgende samlede læringsutbytte definert i form av kunnskap, ferdigheter og generell kompetanse:

 

Kunnskap

K1: Avansert kunnskap innenfor data science, som omfatter databehandling, stordata, maskinlæring, datautvinning, statistikk og typiske programmeringsspråk for området, Python  og R. 

K2: Spesialisert innsikt i data analyse. 

K3: Inngående kunnskap om vitenskapelige teori og metoder i data science. 

K4: Anvende kunnskap om algoritmer for statistisk analyse, maskinlæring eller datautvinning på nye områder innenfor data science. 

K5: Analysere faglige problemstillinger med utgangspunkt i fjerde vitenskapens paradigme, 4Vene av stordata (volum, velositet, variasjon, variabilitet), data-drevet tilnærming, CRISP-DM (cross-industry standard process for data mining)

Ferdigheter

F1: Analysere og forholde seg kritisk til ulike informasjonskilder, datasett og dataprosesser; og anvende disse til å strukturere og formulere data-drevet resonnement. 

F2: Analysere eksisterende teorier, metoder og fortolkninger innenfor fagområdet og arbeide selvstendig med å anvende og evaluere ulike lagrings- og databehandlingsteknologier. 

F3: Bruke CRISP-DM og vitenskapelige metoder for å utvikle dataanalyseprogrammer på en selvstendig måte. 

F4: Gjennomføre en selvstendig, avgrenset datainnsamling, analyse og evaluering etter etablerte ingeniørprinsipper i tråd med gjeldende forskningsetiske normer. 

Generell kompetanse

G1: Analysere relevante etiske problemstillinger som følger av bruk av data og datautvinning. 

G2: Anvende sine kunnskaper og ferdigheter på nye områder for å gjennomføre avanserte arbeidsoppgaver og prosjekter relatert til databehandling, dataanalyse og optimalisering. 

G3: Formidle resultater av omfattende dataanalyse og utviklingsarbeid, og beherske Data Science-uttrykksformer.

G4: Kommunisere om problemstillinger, analyser og konklusjoner relatert til data-drevet forskning og utvikling, både med spesialister og til allmennheten. 

G5: Bidra til nytenking og i innovasjonsprosesser ved å innføre data-drevet tilnærming. 

Hva kan du bli?

Med en mastergrad i Applied Data Science er du etterspurt i nærmest alle bransjer, og dette studiet åpner for mange ulike typer jobber. Du kan jobbe i et IT-konsulentselskap, telekommunikasjonsbedrift, energibedrift, helseforetak, i annen offentlig sektor eller i en teknologiutviklingsbedrift som krever kunnskap og innsikt i håndtering og analyse av store datasett. Studiet er svært ettertraktet i framtidens arbeidsmarked, med utvikling av smarte løsninger som for eksempel i smarte byer, med smart energi og digitalisering.

Fullført mastergrad i Applied Data Science gir grunnlag for opptak på PhD-studier innen informasjonsteknologi, matematikk og fysikk.

Emneevaluering

Ordninger for kvalitetssikring og evaluering av studier er fastsatt i kvalitetssystem for utdanning.

Studieplan og emner

  • Obligatoriske emner

    • APPMAS: Masteroppgave i Applied Data Science

      Andre år, semester 3

      Masteroppgave i Applied Data Science (APPMAS)

      Studiepoeng: 30

  • 3. semester ved UiS eller utveksling

    • Emner ved UiS 3. semester

      • Anbefalte valgemner 3. semester

        • DAT530: Diskret simulering og ytelsesanalyse

          Andre år, semester 3

          Diskret simulering og ytelsesanalyse (DAT530)

          Studiepoeng: 10

        • DAT640: Informasjonsgjenfinning og tekstutvinning

          Andre år, semester 3

          Informasjonsgjenfinning og tekstutvinning (DAT640)

          Studiepoeng: 10

        • STA500: Sannsynlighetsregning og statistikk 2

          Andre år, semester 3

          Sannsynlighetsregning og statistikk 2 (STA500)

          Studiepoeng: 10

        • STA530: Statistisk læring

          Andre år, semester 3

          Statistisk læring (STA530)

          Studiepoeng: 10

      • Andre valgemner 3. semester

        • DAT510: Sikkerhet og sårbarhet i nettverk

          Andre år, semester 3

          Sikkerhet og sårbarhet i nettverk (DAT510)

          Studiepoeng: 10

        • DAT620: Prosjekt i datateknologi

          Andre år, semester 3

          Prosjekt i datateknologi (DAT620)

          Studiepoeng: 10

        • ELE510: Bildebehandling og maskinsyn

          Andre år, semester 3

          Bildebehandling og maskinsyn (ELE510)

          Studiepoeng: 10

        • ELE680: Dype nevrale nett

          Andre år, semester 3

          Dype nevrale nett (ELE680)

          Studiepoeng: 5

    • Utveksling 3. semester

  • Obligatoriske emner

    • DAT540: Introduksjon til datavitenskap

      Første år, semester 1

      Introduksjon til datavitenskap (DAT540)

      Studiepoeng: 10

    • MOD510: Modeling and Computational Engineering

      Første år, semester 1

      Modeling and Computational Engineering (MOD510)

      Studiepoeng: 10

    • STA510: Statistisk modellering og simulering

      Første år, semester 1

      Statistisk modellering og simulering (STA510)

      Studiepoeng: 10

    • DAT220: Databaser

      Første år, semester 2

      Databaser (DAT220)

      Studiepoeng: 10

    • DAT550: Datautvinning og dyplæring

      Første år, semester 2

      Datautvinning og dyplæring (DAT550)

      Studiepoeng: 10

    • ELE520: Maskinlæring

      Første år, semester 2

      Maskinlæring (ELE520)

      Studiepoeng: 10

    • APPMAS: Masteroppgave i Applied Data Science

      Andre år, semester 3

      Masteroppgave i Applied Data Science (APPMAS)

      Studiepoeng: 30

  • 3. semester ved UiS eller utveksling

    • Emner ved UiS 3. semester

      • Anbefalte valgemner 3. semester

        • DAT530: Diskret simulering og ytelsesanalyse

          Andre år, semester 3

          Diskret simulering og ytelsesanalyse (DAT530)

          Studiepoeng: 10

        • DAT640: Informasjonsgjenfinning og tekstutvinning

          Andre år, semester 3

          Informasjonsgjenfinning og tekstutvinning (DAT640)

          Studiepoeng: 10

        • STA500: Sannsynlighetsregning og statistikk 2

          Andre år, semester 3

          Sannsynlighetsregning og statistikk 2 (STA500)

          Studiepoeng: 10

        • STA530: Statistisk læring

          Andre år, semester 3

          Statistisk læring (STA530)

          Studiepoeng: 10

      • Andre valgemner 3. semester

        • DAT510: Sikkerhet og sårbarhet i nettverk

          Andre år, semester 3

          Sikkerhet og sårbarhet i nettverk (DAT510)

          Studiepoeng: 10

        • DAT620: Prosjekt i datateknologi

          Andre år, semester 3

          Prosjekt i datateknologi (DAT620)

          Studiepoeng: 10

        • ELE510: Bildebehandling og maskinsyn

          Andre år, semester 3

          Bildebehandling og maskinsyn (ELE510)

          Studiepoeng: 10

        • ELE680: Dype nevrale nett

          Andre år, semester 3

          Dype nevrale nett (ELE680)

          Studiepoeng: 5

    • Utveksling 3. semester

Utveksling

Utvekslingssemester 

3.semester

 

Opplegg for utvekslingen

Vi anbefaler studenter å reise på et utvekslingsopphold i utlandet som en del av studiet. Et utenlandsopphold gir deg mulighet til å tilegne deg en unik kompetanse innenfor ditt fagområde. I tillegg til språkkunnskaper, internasjonal erfaring og økte karrieremuligheter. Studenter bør velge en institusjon som UiS allerede har inngått avtale med for å sikre en best mulig gjennomføring av utvekslingsoppholdet. 

 

I 3. semester på masterprogrammet i robotteknologi og signalbehandling er det lagt til rette for et studieopphold i utlandet. Dette semesteret har 30 studiepoeng med valgemner. I utlandet må du velge fag som gir en tilsvarende fordypning innen ditt fagområde, og disse må være godkjente før du reiser ut. Det er også viktig at emnene du skal ta i utlandet ikke overlapper med emner du alt har tatt eller skal ta senere i studiet. Et tips er å tenke på din spesialisering og ditt interessefelt.

 

Flere muligheter

I tillegg til de faglig anbefalte lærestedene som er listet opp under, har UiS en rekke avtaler med universitet utenfor Europa som er aktuelle for alle studenter på UiS med forbehold om at de finner et relevant fagtilbud. Innen Norden kan alle studenter benytte seg av Nordlys- og Nordtek-nettverkene. Finn ut mer.

 

Kontaktperson 
Veiledning og forhåndsgodkjenning av emner: 

Sheryl Josdal 

 

Generelle spørsmål om utveksling: Utvekslingsveilederen i Digital studentekspedisjon

Opptakskrav

Gjennomført og bestått bachelorgrad i ingeniørfag. For opptak kreves minst 10 studiepoeng med informatikk eller datatekniske emner, eller ingeniørfaglig innføringsemne med programmering. Søkere må ha minimum 25 studiepoeng i matematikk, 5 studiepoeng i statistikk, samt 7,5 studiepoeng i fysikk.

Hvis du har fullført studier/emner utenfor Universitetet i Stavanger, må du laste opp emnebeskrivelser, som må inneholde klart definert curriculum (læringsutbytte). Emnenavn og -koder på emnebeskrivelsene må samsvare med karakterutskrift. Dersom du ikke laster opp emnebeskrivelser, risikerer du at søknaden din blir nedprioritert.

Det er satt en laveste gjennomsnittskarakter for opptak på C.

Studenter med en 3-årig bachelorgrad i ingeniørfag i henhold til norsk rammeplan for ingeniørutdanning eller tilsvarende (som inneholder minst 25 studiepoeng (sp) matematikk, minst 5 sp
statistikk, og minst 7,5 sp i fysikk), og som har opptak til master i Applied Data Science er dermed kvalifisert for tilleggstittelen «Master i teknologi/sivilingeniør.

Søknadsfrist: 20. april (kun i 2022 - 15. april er vanlig frist).
Søknadsfrist for søkere med utenlandsk utdanning utenom nordiske land: 1 mars

Kontaktinformasjon

Det teknisk-naturvitenskapelige fakultet, tlf. 51 83 17 00, e-post: post-tn@uis.no

Studiekoordinator: Sheryl Josdal, tlf. 51 83 17 47, e-post: sheryl.josdal@uis.no