Har du en ingeniørgrad og synes maskinlæring og kunstig intelligens er spennende? Da kan denne masteren passe for deg.
2 år/4 semestre
120
Engelsk
23 for lokale søkere og 2 for internasjonale søkere
August hvert år
15. april for lokale søkere Søk på Data Science i Søknadsweb:
Om studiet
Evnen til å opprette, administrere og utnytte data har blitt en av de viktigste utfordringene i arbeidslivet. Med kompetanse i Data Science er du svært ettertraktet på arbeidsmarkedet. Her kan du bidra til utvikling og bruk av smarte løsninger og digitalisering.
- I emner som maskinlæring og generativ AI går vi i dybden på kunstig intelligens og maskinlæring. Her lærer du blant annet om hvordan teknologien bak kunstig intelligens fungerer.
- For å analysere, forstå og bruke store datamengder, krever faget tverrfaglig kunnskap. Dette studiet gir deg som har en annen ingeniørbakgrunn mulighet til å rette deg mot digitalisering og dataanalyse.
- Her kan du fordype deg i informasjonsgjenfinning, datautvinning og statistikk.
- Data Science er avgjørende for å skape smarte løsninger, både innenfor datateknologi og andre ingeniørdisipliner.
- Du får mulighet til å skrive masteroppgaven din i samarbeid med industrien og bidra inn i et sterkt forskningsmiljø ved UiS.
- Dette studieprogrammet gir deg tittelen sivilingeniør.
Hva kan du bli?
Med en mastergrad i Data Science kan du få en stilling i nesten alle bransjer.
Noen eksempler på virksomheter hvor du kan arbeide er:
- IT-konsulentselskaper
- virksomheter innen telekommunikasjon
- energirelaterte virksomheter
- sykehus og andre offentlige etater
Data Science gir grunnlag for arbeid med:
- dataanalyse og utvikling av databehandlingssystemer for hele datalivssyklusen
- avansert statistikk
- datautvinning
- maskinlæring og prosessering av store datavolumer
Videre utdanning
Programmet kan kvalifisere for opptak til ph.d.-programmet i naturvitenskap og teknologi innen relevant fagområde ved UiS.
Hva lærer du?
Alle studieprogram ved UiS har definerte mål for hva du skal lære gjennom studieløpet. Les mer om læringsutbyttet for dette studieprogrammet.
En kandidat som har fullført utdannelsen forventes å ha oppnådd følgende læringsutbytte, definert i generell kompetanse, kunnskaper og ferdigheter:
Kunnskap
K1: Avansert kunnskap innen Data Science, som inkluderer databehandling, maskinlæring, datautvinning, statistikk og typiske programmeringsspråk for området, inkludert: Python and R.
K2: Spesialisert innsikt i dataanalyse.
K3: Dyp kunnskap om vitenskapelig teori og metoder i Data Science.
K4: Anvende kunnskap om algoritmer for statistisk analyse, maskinlæring eller datautvinning på nye områder innen datavitenskap.
K5: Analyser faglige problemstillinger basert på det fjerde vitenskapsparadigmet, 4Vs av store data (volum, hastighet, variasjon og variasjon), datadrevet tilnærming, CRISP-DM (standardprosess for datautvinning på tvers av industrien).
Ferdigheter
F1: Analysere og forholde seg kritisk til ulike informasjonskilder, datasett og dataprosesser; og anvende disse for å strukturere og formulere slutninger basert på dataene.
F2: Analysere eksisterende teorier, metoder og tolkninger innenfor fagområdet og arbeide selvstendig med å anvende og vurdere ulike lagrings- og databehandlingsteknologier.
F3: Bruk CRISP-DM og vitenskapelige metoder for å utvikle dataanalyseprogrammer på en uavhengig måte.
F4: Gjennomføre uavhengig, begrenset datainnsamling, analyse og evaluering i henhold til etablerte designprinsipper i samsvar med gjeldende forskningsetiske standarder.
Generell kompetanse
G1: Analysere relevante etiske problemer som oppstår gjennom databruk og datagjenoppretting.
G2: Bruke sine kunnskaper og ferdigheter på nye områder for å utføre avanserte oppgaver og prosjekter knyttet til databehandling, dataanalyse og optimalisering.
G3: Formidle resultater av omfattende dataanalyse og utviklingsarbeid, og beherske datavitenskapelige uttrykk.
G4: Kommunisere om faglige problemstillinger, analyser og konklusjoner innenfor fagområdet, både med spesialister og til allmennheten.
G5: Bidra til nye ideer og innovasjonsprosesser ved å introdusere datadrevne tilnærminger, omfattende dataanalyse og utviklingsarbeid, og mestre datavitenskapelige uttrykk.
Studieplan med emner
Utveksling
Ved å reise til en av våre partnerinstitusjoner i utlandet som en del av studiet har du mulighet til å få en unik utdanning. I tillegg til økte karrieremuligheter, vokser du som person og får se faget ditt fra en ny vinkel.
Utvekslingssemester 3. semester
Studenter kan reise på utenlandsopphold i 3. semester av masterprogrammet i Data Science. I utlandet må du velge emner 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/eller ditt interessefelt. Du må velge minst ett ikke-realfaglig/teknologisk emne tilsvarende 5-10 studiepoeng (feks. økonomi, språk, etikk, prosjektledelse, grønn omstilling eller lignende).
Flere muligheter
I tillegg til de 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.
Kontaktperson
Veiledning og forhåndsgodkjenning av emner: Sheryl Josdal
Generelle spørsmål om utveksling: Gå til utvekslingsveilederen i Digital studentekspedisjon
Se hvor du kan dra på utveksling
Opptakskrav
Opptakskravet er fullført bachelorgrad i ingeniørfag, i henhold til nasjonal rammeplan for ingeniørutdanning, eller tilsvarende utdanning med minst 10 sp med programmering og ytterligere 10 sp i datatekniske emner (databaser, algoritmer og datastrukturer, videregående programmering, operativsystemer eller lignende). Alle søkere må ha minimum 25 sp matematikk, 5 sp statistikk og 7,5 sp fysikk. Søkere med utenlandsk utdanning må ha tilsvarende 25 sp innen matematikk, 5 sp statistikk og 7,5 sp fysikk.
Det er satt en laveste gjennomsnittskarakter for opptak på C.
Det kan kreves minst 50 sp i programmering og datatekniske emner i tilfeller der nøyaktig innhold i programmering og datatekniske emner ikke kan bekreftes gjennom standardiserte læringsutbyttebeskrivelser basert på Bolognaprosessen.
Hvis du har fullført studier/emner utenfor Universitetet i Stavanger, må du laste opp originale emnebeskrivelser på norsk eller engelsk, som inneholder et klart definert læringsutbytte (curriculum). Emnenavn og -koder på emnebeskrivelsene må samsvare med karakterutskrift. Dersom du ikke laster opp emnebeskrivelser, risikerer du at søknaden din blir nedprioritert.
Utfyllende regler for opptak.(PDF)
Dette studieprogrammet undervises på engelsk, se hvordan du dekker språkkrav.
Søknad og opptak
Internasjonale og lokale søkere har ulike frister og søknadsprosesser, avhengig av statsborgerskap, språkferdigheter og utdanning.
Er jeg internasjonal eller lokal søker?
Hva er snittet?
Slik er det å studere ved UiS
Spørsmål og svar
Hva er forskjellen på Data Science og datateknologi?
Data Science – jobbe med data og innsikt
Når du studerer Data Science, lærer du å transformere rå, komplekse data til handlingskraftig kunnskap. Du jobber med hele datalivssyklusen – fra innsamling og behandling til analyse og praktisk anvendelse.
Du får kompetanse innen:
- avansert statistikk
- datautvinning
- maskinlæring
- analyse av store datamengder
Studiet fokuserer på å utvikle intelligente, datadrevne løsninger, for eksempel innen smarte byer, smart energi og digitalisering. Denne kompetansen er svært etterspurt på tvers av det moderne arbeidsmarkedet.
Datateknologi – utvikle og bygge datasystemer
Når du studerer datateknologi, lærer du å designe, utvikle og lede arbeidet med komplekse datasystemer. Fokuset ligger på å forstå hvordan systemer bygges, hvordan de samhandler, og hvordan man sikrer at de fungerer sikkert og effektivt i ulike sammenhenger.
Du får kompetanse innen:
- programmering og systemdesign
- algoritmer og statistikk
- sikkerhet, pålitelighet og skalerbarhet
- distribuerte systemer, simulering og modellering
Studiet gir et grunnlag for å arkitektere, utvikle og forvalte kommersielle datasystemer for et bredt spekter av formål og bransjer.
Liknende utdanninger
Kontakt oss
Fakultetsadministrasjonen TN
Kontor for utdanningsadministrative tjenester
Institutt for data- og elektroteknologi