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.
4 år/8 semestre
120
Engelsk
5
August hvert år
For deg som har bachelor fra Norge/Norden: 15. april Søk på Master of Science in Data Science – part-time i Søknadsweb:
Om studiet
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.
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:
Liknende utdanninger:
- Automatisering og elektronikkdesign bachelor
- Automatisering og elektronikkdesign Y-veien
- Medisinsk teknologi bachelor
- Datateknologi bachelor
- Datateknologi master 2 år
- Datateknologi master 5 år
- Data Science master 2 år (heltid)
- Robotteknologi og signalbehandling master 2 år
- Computational Engineering master 2 år
Hva kan du bli?
Med en mastergrad i datavitenskap kan du få en stilling i nesten alle bransjer. Noen eksempler på virksomheter hvor du kan finne arbeid er IT-konsulentselskaper, virksomheter innen telekommunikasjon, energirelaterte virksomheter, sykehus og andre offentlige etater. Spesialisering i Data Science gir grunnlag for arbeid med dataanalyse og utvikling av databehandlingssystemer for hele datalivssyklusen. Det bygger kunnskap og ferdigheter innen avansert statistikk, datautvinning, maskinlæring og prosessering av store datavolumer.
Læringsutbytte
Alle studieprogram ved UiS har definerte mål for hva du skal lære gjennom studieløpet. Les mer om læringsutbyttet for dette studieprogrammet.
Etter fullført toårig mastergrad i Data Science skal kandidaten ha følgende samlede læringsutbytte, definert i form av kunnskap, ferdigheter og generell kompetanse:
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
S1: Analysere og forholde seg kritisk til ulike informasjonskilder, datasett og dataprosesser; og anvende disse for å strukturere og formulere slutninger basert på dataene.
S2: Analysere eksisterende teorier, metoder og tolkninger innenfor fagområdet og arbeide selvstendig med å anvende og vurdere ulike lagrings- og databehandlingsteknologier.
S3: Bruk CRISP-DM og vitenskapelige metoder for å utvikle dataanalyseprogrammer på en uavhengig måte.
S4: 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.
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.
Søknadsfrister
og annen informasjon om søking
Om opptak
Data science, master deltid er kun tilgjengelig via lokalt opptak.
Søknadsfrist: 15. april.
Søknadsfrist for søkere med utenlandsk utdanning utenom nordiske land: 1 mars
Kontakt
Ved spørsmål om opptak til studiet, kontakt masteropptak@uis.no. Søk gjennom Søknadsweb.
Poenggrenser
Lurer du på hvilket snitt man trengte tidligere år for å få opptak? Poenggrenser fra tidligere år.
Studieplan og emner
Oppstartssemester: 2023
-
Obligatoriske emner
-
Nettskyteknologier
Første år, semester 1
-
Introduksjon til datavitenskap
Første år, semester 1
-
Algoritmeteori
Første år, semester 2
-
Data-intensive Systems and Algorithms
Andre år, semester 3
-
Statistisk modellering og simulering
Andre år, semester 3
-
Maskinlæring
Andre år, semester 4
-
Datautvinning og dyplæring
Tredje år, semester 6
-
Masteroppgave i Data Science
Fjerde år, semester 7
-
-
5. eller 7. semester ved UiS eller utveksling
-
Emner ved UiS 5. og 7. semester
-
Anbefalte valgemner 5. og 7. semester
-
Diskret simulering og ytelsesanalyse
Tredje år, semester 5
-
Informasjonsgjenfinning og tekstutvinning
Tredje år, semester 5
-
Sannsynlighetsregning og statistikk 2
Tredje år, semester 5
-
Statistisk læring
Tredje år, semester 5
-
-
Andre valgemner 5. og 7. semester
-
Reinfocement Learning
Tredje år, semester 5
-
Prosjekt i datateknologi
Tredje år, semester 5
-
Dype nevrale nett
Tredje år, semester 5
-
-
-
Utveksling 5. eller 7. semester
-
Utveksling 5. eller 7. 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
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
Fakultetsadministrasjonen TN
Kontor for utdanningsadministrative tjenester
Institutt for data- og elektroteknologi
