Data Science - master deltid

Data Science er et masterprogram som skal øke IKT-kompetansen hos ingeniører fra ulike fagfelt. Du lærer å hente ut relevant informasjon fra en sammenstilling av store datasett fra ulike kilder.

Published Endret
Fakta
Varighet

4 år/8 semestre

Antall studieplasser

5

Studiepoeng

120

Undervisningsspråk

Engelsk

Studiestart

August hvert år

data, nettverk, illustrasjonsbilde. Foto: Shutterstock
Kim Alstad foran pc skjerm humanoid robot koding datateknologi datavitenskap data student. Foto: Elisabeth Tønnessen

Masterstudiet tilbys som 2-årig fulltidsstudium og som deltidsstudium over 4 år. 

For deg som bor i regionen kan deltidsstudiet tas i kombinasjon med jobb eller andre aktiviteter, du kan følge undervisningsopplegget som gis. Du tar emner sammen med fulltidsstudenter som tar studiet over to år, men du tar færre emner per semester fordelt på fire år. Deltidsstudiet foregår på dagtid og de fleste emner baserer seg på laboratoriearbeid og prosjektarbeid i grupper med obligatorisk oppmøte. Forelesninger streames som regel ikke, men bøker og andre materialer dekker pensum. Du må regne med at du trenger 1-2 dager per uke (avhengig av semester) for å følge obligatoriske aktiviteter.

Evnen til å opprette, administrere og utnytte data har blitt en av de viktigste utfordringene for utøvere i de fleste disipliner, sektorer og næringer. Studenter med kompetanse innen Data Science vil være svært ettertraktede i framtidens arbeidsmarked, hvor de skal bidra til utvikling av smarte løsninger og digitalisering.

Det nye studiet kommer i kjølvannet av framveksten av store datamengder, Big Data, og behovet for å finne nyttig informasjon i disse. For å analysere, forstå og bruke disse dataene, krever faget tverrfaglige ferdigheter og kunnskaper. Data Science skaper muligheter for studenter med ulik ingeniørbakgrunn som har lyst til å rette seg mer mot digitalisering og dataanalyse.

Data Science er avgjørende for å skape smarte løsninger, blant annet i utviklingen av smarte byer.

Masterstudiet har en praktisk profil, der du etter fordypning i statistikk og informatikk anvender algoritmene på reelle datasett. UiS har et sterkt forskningsmiljø på analyse av store datasett, skyløsninger og maskinlæring.

NB: "Hva kan du bli?", "Læringsutbytte" og "Studieplan og emner" oppdateres 1. februar.

Sosialt miljø

UiS har lagt forholdene godt til rette med pauserom, lesesal og datarom spesielt reservert for masterstudentene. Det er også en egen interesseorganisasjon for disse studentene, ISI, som har god aktivitet på det faglige og ikke minst det sosiale området.

Les mer: 

Du er kanskje også interessert i:

Hva kan du bli?

With a master’s degree in Data Science, you can get a position in almost all industries. Some examples of businesses where you can find employment are consulting companies, telecommunications companies, energy related businesses, hospitals, and other public agencies. Specialisation in Data Science provides a basis for work in data analysis and development of data processing systems for the whole data lifecycle. It builds knowledge and skills in advanced statistics, data mining, machine learning and processing of large data volumes. 

Completed master’s degree in Applied Data Science provides the basis for admission the PhD programme in Information technology, mathematics and physics.

Læringsutbytte

Alle studieprogram ved UiS har definerte mål for hva du skal lære gjennom studieløpet. Les mer om læringsutbyttet for dette studieprogrammet.

After having completed the master’s programme in Data Science, the student shall have acquired the following learning outcomes, in terms of knowledge, skills and general competences:

 

Knowledge

K1: Advanced knowledge within Data Science, which includes data processing, data, machine learning, data extraction, statistics and typical programming languages for the area, including: Pythonand R.

K2: Specialised insightinto data analysis.

K3: In-depth knowledge of scientific theory and methods in Data Science.

K4: Apply knowledge about algorithms for statistical analysis, machine learning or data extraction in new areas within data science.

K5: Analyse professional issues based on the fourth science paradigm, 4Vs of big data (volume, velocity, variety, and variability), data-driven approach, CRISP-DM (cross-industry standard process for data mining).

 

Skills

S1: Analyseand relate critically to different sources of information, datasets and data processes; and apply these to structure and formulate data-driven reasoning.

S2: Analyse existing theories, methods and interpretations within the subject area and work independently in applying and evaluating different storage and data processing technologies.

S3: Use CRISP-DM and scientific methods to develop data analysis programs in an independent way.

S4: Conduct independent, limited data collection, analysis and evaluation according to established engineering principles in accordance with current research ethical standards.

 

General Competence

G1: Analyse relevant ethical issues arising from data usage and data recovery.

G2: Apply theirknowledge and skills in new areas to carry out advanced tasks and projects related to data processing, data analysis and optimisation.

G3: Communicate results of comprehensive data analysis and development work, and master Data Science expressions.

G4: Communicate on issues, analyses and conclusions related to data-driven research and development, both with specialists and to the general public.

G5: Contribute to new ideas and innovation processes by introducing data-driven approaches, comprehensive data analysis and development work, and master Data Science expressions.

Opptakskrav

Opptakskrav til studiet er gjennomført og bestått bachelor i ingeniørfag eller  tilsvarende utdanning. For opptak kreves minst 10 studiepoeng med programmering, ytterligere 10 studiepoeng i datatekniskeemner (Databaser, Algoritmer og datastrukturer, Videregående programmering, Operativsystemer, eller lignende). I tilfelle nøyaktig innhold i programmering og datatekniske emner kan ikke bekreftes gjennom Bologna-process standariserte læringsutbytter kan det kreves minst 50 studiepoeng i programmering og datatekniskeemner.

Alle søkere må ha minimum 25 studiepoeng i matematikk, 5 studiepoeng i statistikk, samt 7,5 studiepoeng i fysikk.

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.

Utfyllende regler for opptak

Søknadsfrister

og annen informasjon om søking

Studieplan og emner

Allerede student på dette programmet? Her finner du hele studieprogrambeskrivelsen
  • Compulsory courses

    • Cloud Computing Technologies

      Første år, semester 1

      Cloud Computing Technologies (DAT515)

      Studiepoeng: 5

    • Introduction to Data Science

      Første år, semester 1

      Introduction to Data Science (DAT540)

      Studiepoeng: 10

    • Algorithm Theory

      Første år, semester 2

      Algorithm Theory (DAT600)

      Studiepoeng: 10

    • Data-intensive Systems and Algorithms

      Andre år, semester 3

      Data-intensive Systems and Algorithms (DAT535)

      Studiepoeng: 5

    • Statistical Modeling and Simulation

      Andre år, semester 3

      Statistical Modeling and Simulation (STA510)

      Studiepoeng: 10

    • Machine Learning

      Andre år, semester 4

      Machine Learning (ELE520)

      Studiepoeng: 10

    • Data Mining and Deep Learning

      Tredje år, semester 6

      Data Mining and Deep Learning (DAT550)

      Studiepoeng: 10

    • Master's thesis in Data Science

      Fjerde år, semester 7

      Master's thesis in Data Science (DASMAS)

      Studiepoeng: 30

  • 5th or 7th semester at UiS or Exchange Studies

    • Courses at UiS 5th and 7th semester

      • Recommended electives 5th and 7th semester

        • Discrete Simulation and Performance Analysis

          Tredje år, semester 5

          Discrete Simulation and Performance Analysis (DAT530)

          Studiepoeng: 10

        • Information Retrieval and Text Mining

          Tredje år, semester 5

          Information Retrieval and Text Mining (DAT640)

          Studiepoeng: 10

        • Probability and Statistics 2

          Tredje år, semester 5

          Probability and Statistics 2 (STA500)

          Studiepoeng: 10

        • Statistical Learning

          Tredje år, semester 5

          Statistical Learning (STA530)

          Studiepoeng: 10

      • Other electives 5th and 7th semester

    • Exchange Studies 5th or 7th semester

      • Exchange Studies 5th or 7th semester

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. Alt om utveksling

Going abroad is a possibility for all UiS students, although special arrangements may be necessary for part-time students.
 

For more information, see Master of Science in Data Science.

Spørsmål og svar

Hva er forskjellen på Data Science og datateknologi?

Hva lærer du når du velger program Data Science?

Programmet Data Science lærer deg å trekke ut relevant informasjon fra en kompilering av store datasett fra forskjellige kilder. Evnen til å opprette, administrere og utnytte data har blitt en av de viktigste utfordringene for utøvere i nesten alle disipliner, sektorer og næringer.

Det gir grunnlag for arbeid innen dataanalyse og utvikling av databehandlingssystemer for hele data livssyklus. Du får kunnskap og ferdigheter i avansert statistikk, datautvinning, maskinlæring og behandling av store datamengder. Studiet vil være svært ettertraktet i framtidens arbeidsmarked, med utvikling av smarte løsninger som for eksempel i smarte byer, med smart energi og digitalisering.

Hva lærer du når du velger program datateknologi?

I programmet datateknologi lærer deg ledelse, design og programmering av datasystemer. Evnen til å integrere kunnskap og ferdigheter i sikkerhet, pålitelighet og skalerbarhet sammen med algoritmeteori og statistikk er nødvendig for å svare på utfordringer i datasystemer i alle bransjer.

Det gir grunnlag for arbeid med utvikling og planlegging av kommersielle datasystemer til forskjellige formål. Du får kunnskap og ferdigheter innen nettverkssikkerhet, pålitelighet av distribuerte systemer, simulering og modellering.

Les mer:

Kontakt oss:

Førstekonsulent
51831747
Det teknisk-naturvitenskapelige fakultet
Fakultetsadministrasjonen TN
Kontor for utdanningsadministrative tjenester
Professor
51832061
Det teknisk-naturvitenskapelige fakultet
Institutt for data- og elektroteknologi

Livet som student i Stavanger: