Datateknologi - Master program
Dette er studieprogrambeskrivelsen for studieåret 2021-2022
Vekting (stp)
120
Studieprogramkode
M-DATENG
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 datateknologi (Computer Science), gjør deg kvalifisert for de mest krevende og interessante arbeidsoppgavene innenfor IKT. Studiet er delt inn i to retninger: (1) Pålitelige og sikre systemer (Reliable and Secure Systems) og (2) Data Science.
Dette er et internasjonalt studium hvor norske og utenlandske studenter studerer i fellesskap. All undervisning foregår på engelsk. Studiet inneholder metodeemner som skal utdype og videreføre det matematisk-naturvitenskaplige grunnlaget fra bachelor-studiet, tekniske spesialiseringsemner, valgemner og masteroppgaven.
Masteroppgaven er et større selvstendig prosjekt som utføres i siste semester. Den kan gjerne utføres i samarbeid med en bedrift, dersom det faglige nivået på oppgaven er tilfredsstillende.
Studiets innhold, oppbygging og sammensetning
Etter at studenten har fått opptak til det toårige masterprogrammet i Computer 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
Universitetet i Stavanger tilbyr en masterutdanning rettet mot studenter som har gjennomført en 3-årig ingeniørutdanning i datateknologi. Det toårige masterstudiet i datateknologi gir 120 studiepoeng.
Studiet har metodeemner som bygger videre på matematikk, statistikk, og grunnleggende dataemner fra bachelor i datateknologi. Studiet inneholder videregående statistikkemner og algoritmeemner, maskinlæring og dataintensive systemer. Spesialiseringen Pålitelige og sikre systemer (Reliable and Secure Systems) vil ha emner innen nettverkssikkerhet, distribuerte systemer og algoritmeteori. Spesialiseringen Data Science vil ha fordypning i informasjonsgjenfinning, datautvinning og ytterligere fordypning i statistikk.
Studiet byr på et variert arbeids- og undervisningsopplegg, fra tradisjonelle forelesningsrekker og øvinger, prosjektarbeid, selvstudium og laboratorieundervisning til innføring og oppøving i bruk av moderne programvare. Vektlegging av de enkelte undervisningsformene varierer i noen grad mellom de enkelte emnegruppene.
Følgende fremgår av den enkelte emnebeskrivelse:
- Arbeids- og undervisningsformer
- Evalueringsformer
- Pensumlitteratur
- Vurderingsform
Universitetet legger vekt på å kunne tilby alle studier som planlagt, men må ta forbehold om tilstrekkelig med ressurser og/eller studenter til å gjennomføre tilbudet. Over tid vil det være naturlig at det faglige innholdet og tilbudet av emner endres på grunn av den generelle utviklingen i fagfelt, bruk av teknologi og endringer i samfunnet for øvrig.
Etter opptak til studiet kan du søke instituttet om å få ta studiet på deltid. Instituttet tilbyr faste deltidsplaner.
Læringsutbytte
En kandidat med fullført og bestått 2-årig mastergrad i datateknologi skal ha følgende samlede læringsutbytte definert i form av kunnskap, ferdigheter og generell kompetanse:
Kunnskap
K1: Har avansert kunnskap innenfor datateknologi med spesialisering i enten pålitelige og sikre systemer eller Data Science.
K2: Har inngående kunnskap om fagområdets vitenskapelige teori og metoder.
Ferdigheter
F1: Bruke relevante metoder for forskning og faglig utviklingsarbeid på en selvstendig måte.
F2: Analysere og forholde seg kritisk til ulike informasjonskilder og anvende disse til å strukturere og formulere faglige resonnementer innen informasjonsteknologi.
F3: Gjennomføre et selvstendig, avgrenset forsknings- eller utviklingsprosjekt under veiledning og i tråd med gjeldende forskningsetiske normer.
F4: Designe, modellere, simulere og utvikle avanserte nettbaserte datasystemer med fokus på pålitelighet og sikkerhet. (Pålitelige og sikre systemer)
F5: Utnytte kunnskaper innen trådløs kommunikasjon, sensornettverk og distribuerte kommunikasjonssystemer. (Pålitelige og sikre systemer)
F6: Utvikle dataanalyseprogrammer for bestemte datasett og oppgaver eller prosesser. (Data Science)
F7: Modellere problemer og utvikle nye instrumenter og applikasjoner for datainnsamling, analyse og styring etter etablerte ingeniørprinsipper. (Data Science)
F8: Evaluere instrumenter og applikasjoner for å optimalisere datainnsamling, analyse og styring. (Data Science)
Generell kompetanse
G1: Analysere relevante fag-, yrkes- og forskningsetiske problemstillinger.
G2: Anvende sine kunnskaper og ferdigheter på nye områder for å gjennomføre avanserte arbeidsoppgaver og prosjekter.
G3: Formidle omfattende selvstendig arbeid og beherske fagområdets uttrykksformer.
G4: Kommunisere om faglige problemstillinger, analyser og konklusjoner innenfor fagområdet, både med spesialister og til allmennheten.
Hva kan du bli?
Med en mastergrad i datateknologi 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 høy datakunnskap. Studiet er svært ettertraktet i framtidens arbeidsmarked, med utvikling av smarte løsninger som for eksempel i smarte byer, med smart energi og digitalisering.
En spesialisering i pålitelige og sikre systemer gir grunnlag for arbeid med utvikling og planlegging av kommersielle datasystemer til forskjellige formål. Du tilegnes kunnskap og ferdigheter innen nettverkssikkerhet, pålitelighet av distribuerte systemer, simulering og moddelering.
Fullført mastergrad i datateknologi gir grunnlag for opptak på PhD-studiet i informasjonsteknologi, matematikk og fysikk.
Emneevaluering
Studieprogram og emner revideres årlig. Evalueringer utgjør en sentral del av kvalitetssystemet ved UiS. Studentevaluering av emnene i studieprogrammet vil bli gjennomført i henhold til UiS sitt kvalitetssystem.
Studieplan og emner
Oppstartssemester:
-
Valg av spesialisering
-
Spesialisering Data Science
-
Obligatoriske emner
-
DATMAS: Masteroppgave i datateknikk
Andre år, semester 3
-
-
3. semester ved UiS eller utveksling
-
Emner ved UiS 3. semester
-
Anbefalte valgemner 3. semester ved UiS
-
DAT510: Sikkerhet og sårbarhet i nettverk
Andre år, semester 3
-
DAT530: Diskret simulering og ytelsesanalyse
Andre år, semester 3
-
DAT640: Informasjonsgjenfinning og tekstutvinning
Andre år, semester 3
-
STA530: Statistisk læring
Andre år, semester 3
-
-
Andre valgemner 3. semester ved UiS
-
DAT620: Prosjekt i datateknikk
Andre år, semester 3
-
ELE510: Bildebehandling og maskinsyn
Andre år, semester 3
-
ELE680: Dype nevrale nett
Andre år, semester 3
-
-
-
Utveksling 3. semester
-
3. semester utveksling
-
-
-
-
Spesialisering Pålitelige og sikre systemer
-
Obligatoriske emner
-
DATMAS: Masteroppgave i datateknikk
Andre år, semester 3
-
-
3. semester ved UiS eller utveksling
-
Emner ved UiS 3. semester
-
Anbefalte valgemner 3. semester ved UiS
-
DAT530: Diskret simulering og ytelsesanalyse
Andre år, semester 3
-
DAT640: Informasjonsgjenfinning og tekstutvinning
Andre år, semester 3
-
DAT650: Blokkjedeteknologier
Andre år, semester 3
-
ELE510: Bildebehandling og maskinsyn
Andre år, semester 3
-
-
Andre valgemner 3. semester ved UiS
-
DAT620: Prosjekt i datateknikk
Andre år, semester 3
-
-
-
Utveksling 3. semester
-
3. semester utveksling
-
-
-
-
-
Valg av spesialisering
-
Spesialisering Data Science
-
Obligatoriske emner
-
DAT540: Introduksjon til datavitenskap
Første år, semester 1
-
STA500: Sannsynlighetsregning og statistikk 2
Første år, semester 1
-
STA510: Statistisk modellering og simulering
Første år, semester 1
-
DAT500: Data-intensive systemer
Første år, semester 2
-
DAT550: Datautvinning og dyplæring
Første år, semester 2
-
ELE520: Maskinlæring
Første år, semester 2
-
DATMAS: Masteroppgave i datateknologi
Andre år, semester 3
-
-
3. semester ved UiS eller utveksling
-
Emner ved UiS 3. semester
-
Anbefalte valgemner 3. semester ved UiS
-
DAT510: Sikkerhet og sårbarhet i nettverk
Andre år, semester 3
-
DAT530: Diskret simulering og ytelsesanalyse
Andre år, semester 3
-
DAT640: Informasjonsgjenfinning og tekstutvinning
Andre år, semester 3
-
STA530: Statistisk læring
Andre år, semester 3
-
-
Andre valgemner 3. semester ved UiS
-
DAT620: Prosjekt i datateknologi
Andre år, semester 3
-
ELE510: Bildebehandling og maskinsyn
Andre år, semester 3
-
ELE680: Dype nevrale nett
Andre år, semester 3
-
-
-
Utveksling 3. semester
-
3. semester utveksling
-
-
-
-
Spesialisering Pålitelige og sikre systemer
-
Obligatoriske emner
-
DAT510: Sikkerhet og sårbarhet i nettverk
Første år, semester 1
-
DAT610: Trådløs kommunikasjon
Første år, semester 1
-
STA510: Statistisk modellering og simulering
Første år, semester 1
-
DAT520: Distribuerte systemer
Første år, semester 2
-
DAT600: Algoritmeteori
Første år, semester 2
-
DATMAS: Masteroppgave i datateknologi
Andre år, semester 3
-
-
Velg ett emne
-
DAT500: Data-intensive systemer
Første år, semester 2
-
ELE520: Maskinlæring
Første år, semester 2
-
-
3. semester ved UiS eller utveksling
-
Emner ved UiS 3. semester
-
Anbefalte valgemner 3. semester ved UiS
-
DAT530: Diskret simulering og ytelsesanalyse
Andre år, semester 3
-
DAT640: Informasjonsgjenfinning og tekstutvinning
Andre år, semester 3
-
DAT650: Blokkjedeteknologier
Andre år, semester 3
-
ELE510: Bildebehandling og maskinsyn
Andre år, semester 3
-
-
Andre valgemner 3. semester ved UiS
-
DAT620: Prosjekt i datateknologi
Andre år, semester 3
-
ELE680: Dype nevrale nett
Andre år, semester 3
-
-
-
Utveksling 3. semester
-
3. semester utveksling
-
-
-
-