180 studiepoeng 3 år Nettstudier
Oslo Kristiansand Lånekassen
Utdanning med fokus på å hente ut anvendbar kunnskap fra data. Dette studieprogrammet forbereder deg på en spennende karriere der du jobber med bedrifter for å forstå og bruke de enorme datamengdene de har tilgjengelig. I tillegg vil du utvikle ferdigheter med intelligente AI-systemer for bedrifter ved hjelp av maskinlæringsteknikker.
Århundrets mest sexy yrke
Dataforsker er århundrets mest sexy yrke, ifølge Harvard Business Review. Vi lever i en tid der data genereres overalt - innlegg på sosiale medier, salgstransaksjoner på nettet, sensorer, GPS-aktiverte enheter, helsetjenester og tingenes internett (IoT). Data er en svært nyttig ressurs i det moderne samfunnet - den digitale økonomien er slik oljen er for industriøkonomien. Det enorme behovet for - og mangelen på ekspertise - betyr at data analytikere ofte har svært godt betalt.
Suksessen til mange teknologiselskaper som Netflix, Spotify, Facebook, Google og Amazon er drevet av deres evne til å hente ut verdi fra data og anvende informasjonen for å skape ny verdi. Data må fungere på tvers av fagfelt og sektorer, som vitenskap, industri og myndigheter, for å hente ut innsikt og verdi fra informasjonen og støtte automatiseringen av forretningsprosesser ved hjelp av intelligente systemer bygget på funnene. Økningen i anvendelser og tilgjengeligheten av mange avanserte datasett betyr at spesialisert kompetanse innen anvendt datavitenskap er ettertraktet og nødvendig.
Det er her vi trenger deg! Bli en viter om den digitale verden. Det er stor etterspørsel etter faglig ekspertise i en rekke sektorer, blant annet innen forskning, industri og forvaltning.
Begi deg ut på en transformativ treårig reise: Bachelorgraden fordyper seg i kunsten å omdanne rådata til noe brukbart. Du vil få praktisk kompetanse i bruk av verktøy og teknikker som omfatter datahåndtering, analyse og visualisering, programvareutvikling og -distribusjon, matematisk og statistisk analyse samt kunstig intelligens og maskinlæring.
Ta det første skrittet mot en spennende karriere innen datavitenskap ved å søke på Applied Data Science i dag! Frigjør potensialet ditt og bli en kraft innen bruk av data og informasjon.
Studiets oppbygging
Applied Data Science består av 180 studiepoeng som kombinerer generelle og grunnleggende kompetanse innen informatikk med studiespesialiserende datavitenskap, i tillegg til ytterligere spesialisering med utvalgte valgfag. Studiet dekker et bredt spekter av emner, inkludert bl.a. datastrukturer, analyse, visualisering, programmering og maskinlæring.
I det første året vil du bygge et solid fundament i tekniske emner som danner grunnlaget for å lykkes i de spesialiserende emnene senere i utdanningen. Helt fra begynnelsen vil du utvikle viktige forsknings- og studieferdigheter. Du vil også jobbe som del av et levende studentfellesskap og samarbeide i et større prosjekt for å berike læringsopplevelsen din og knytte varige forbindelser med dine medstudenter.
Det andre året er mer dyptgående og spesialisert. Du vil bygge ytterligere kompetanse innen programmering og programvareutvikling gjennom datastrukturer, relevante algoritmer, objektorientert programmering og profesjonell programvareutvikling. Du vil utforske større datamengder og statistikk ved hjelp av effektive verktøy og teknikker for dataanalyse og datalagringsteknologier.
Det tredje året kulminerer i et bachelorprosjekt der du får bruke din nyvunne kompetanse på innovative systemer og applikasjoner. Under kyndig veiledning fra det erfarne fagmiljøet kan du utforske datakravene innen olje og gass, ingeniør- og informasjonsteknologi eller samfunnsrelaterte sektorer som offentlig forvaltning og helsevesen. Velg valgfag for å få ytterligere ekspertise på avanserte områder, og forbered deg på å takle dagens og morgendagens utfordringer.
Grip muligheten til å bli en ekspert innen datavitenskap ved å ta en bachelorgrad. Skaff deg både den teoretiske og praktiske kunnskapen som kreves av moderne fagfolk. Gi deg selv verktøyene du trenger for å jobbe i en rekke bransjer innenfor en rekke sektorer og organisasjoner.
Year 1: 60 ECTS
- Problem Based Learning and Research Methodologies (5 ECTS)
- Introduction to Programming (10 ECTS)
- Discrete Mathematics (10 ECTS)
- Programming and Databases (10 ECTS)
- Network Principles (10 ECTS)
- Introduction to Information Security (5 ECTS)
- Studio 1 (10 ECTS)
Year 2: 60 ECTS
- Introduction to Operating Systems (5 ECTS)
- NoSQL Databases (10 ECTS)
- Professional Software Development (5 ECTS)
- Object Oriented Programming (10 ECTS)
- Algorithm and Data Structure (10 ECTS)
- Statistical Analysis (10 ECTS)
- Studio 2 (10 ECTS)
Year 3: 60 ECTS
- Machine Learning (10 ECTS)
- Big Data Analytics (10 ECTS)
- Data Visualization (10 ECTS)
- Elective Courses (2 x 5 ECTS)
- Bachelor Project (20 ECTS)
Ettersom undervisningsspråket for studiet er engelsk, er læringsutbyttebeskrivelsene her gjengitt på engelsk.
Knowledge:
- Has broad knowledge of the important topics, theories, principles and issues in data science, big data analytics and related fields, and the associated theoretical and digital processes, tools and methods for investigating data-driven problematic situations.
- Is familiar with current research and development work in the domain of big data analytics and data science.
- Has knowledge of the key software development and data analysis principles, theories, tools and techniques for working with large heterogeneous data sets, how to apply them across a variety of data-driven domains and situations, and how to evaluate their efficacy and the results obtained from their application.
- Can update his/her knowledge in the area of data science through academic study, research and professional development.
- Has knowledge of the history and development of big data analytics and data science, including the principal tools, techniques and technologies in the data science domain, and their past and potential future impact on the function, management, analysis and development of science, industry and society.
- Understands the legal and ethical issues relating to obtaining and analysing big data, and presenting the results of big data analysis to stakeholders.
- Has knowledge of applying data science principles, and statistical and analytical tools and techniques, within complex scientific, societal and industrial fields.
Skills:
- Can apply academic and theoretical knowledge of data analytics tools and techniques, plus current research and development work, to practical and theoretical data science problems, in order to make well-founded, informed and justified decisions and choices.
- Can reflect upon own academic practice and professional development, identify areas for improvement, and adapt to future developments in data analytic and visualisation tools, techniques and technology.
- Is able to find, evaluate and refer to relevant information and scholarly subject matter and present it in a manner that sheds light on data-driven problems.
- Can appropriately and effectively locate, procure, manipulate and analyse large heterogeneous data sets using appropriate data analytics technologies and statistical techniques.
- Is able to extract meaning from and interpret data, using a variety of mathematical and machine learning tools and methods.
- Can select and use the primary digital tools and techniques for visualising data and the results of big data analytics in an appropriate and professional manner, in order to develop and present informative insights into data-driven problematic situations.
- Can critically select and apply a range of analytical and methodological problem solving techniques, based on research, and to be able to interpret the solutions and present results appropriately.
- Is able to identify stakeholders of data science projects and communicate, network and collaborate with these stakeholders appropriately according to project requirements and the potential impacts of results.
General Competence:
- Is able to identify and appropriately act on complex ethical issues arising within academic and professional practice as a Data Scientist.
- Is able to plan, execute and manage a variety of assignments and data science-related projects over time, alone or as part of a group, to successful conclusion and in accordance with relevant ethical requirements and principles.
- Can communicate the results of theoretical, practical and research-based academic work effectively using appropriate forms of communication (electronically, orally and/or written) in order to present theories, arguments, problems and solutions in an appropriate, professional manner.
- Can communicate and exchange opinions, ideas and other subject matters such as theories, problems and solutions, with others with background and/or experience in data science and related fields, through the selection and application of appropriate methods of communication, thereby contributing to the development of good practice within the data science community of practice.
- Is able to engage in self-reflection as part of the lifelong learning strategy required of a data science professional and a reflective practitioner.
- Is familiar with current and new thinking and trends within the field of data science and related disciplines.
As an online student you are required to purchase the required equipment and software. As a Campus student the required equipment and software is available for use.
Required Equipment
- A reliable internet connection
- Headphones or headset – with a microphone.
- Webcam.
- 2 USB Drives with 8-16 GB storage.
- PC/Laptop with the following specifications:
- Microsoft® Windows® 10 or 11.
- CPU: Intel i5 (64-bit Intel® or AMD® multi-core processor is recommended)
- GPU: Nvidia GeForce GTX (GeForce RTX 3070 is recommended)
- RAM: 16 GB (32 GB recommended)
- Storage: 500 GB (SSD/NVMe is highly recommended)
You must have full administrative privileges to install and manipulate all aspects of your computer. The minimum requirements apply to all who purchase/use their own machine. This may not be an Apple Mac, as these systems are not compatible with the required software.
Recommended Equipment
- 1-2 additional USB Drive with 1-4 GB storage
- 2 monitors, or 1 ultrawide screen
- 1 additional storage drive (Minimum 1 TB is recommended)
Required Software
As a student you will be provided student licences, until then you should explore the software.
Many students find that the use of Windows is a good starting point to allow them to develop the skills to configure alternative operating systems. Several tutorials will require access to a Windows operating system (either as a host or as a virtual machine).
Jobbmuligheter
Ekspertisen og kompetansen fra dette studieprogrammet er svært ettertraktet, ettersom dagens trender tyder på at dataanvendelser vil fortsette å vokse, og datastrømmene får stadig større betydning for mange bransjer. De nye initiativene knyttet til nye teknologier som brukes i smarte byer, tingenes internett og cyberfysiske systemer fortsetter å generere stordata, noe som øker behovet for dyktige datavitenskapelige spesialister.
De fleste store bedrifter og selskaper er sterkt avhengige av moderne informasjonsteknologi, og de trenger folk med ekspertise innen datavitenskap for å håndtere de enorme datamengdene og for å håndtere utfordringene som de enkelte virksomhetene står overfor.
Nyutdannede kandidater i anvendt datavitenskap er godt rustet til å forfølge givende karrierer i ulike sektorer, inkludert:
- Datavitenskap og bedriftens behov
- Datateknikk og infrastruktur
- Maskinlæring og ingeniørenheter
- Forskere innen datavitenskap og akademia
Er du klar til å bli en dyktig fagperson? Søk nå på bachelor i Applied Data Science og ta fatt på en spennende og givende karriere. Ta kontakt med opptaksteamet for mer informasjon om søknadsprosessen, økonomisk støtte og programkrav.
Videre studier
Studenter som ønsker videre utdanning innen fagfeltet kan søke studier knyttet til data- og informasjonsvitenskap ved norske eller internasjonale universiteter.
Se opptak av livestream
Vi anbefaler å se nyeste livestream om våre IT-bachelorgrader, presentert av Emlyn Butterfield 10. mars 2023. Du kan også navigere deg frem til presentasjonen om Applied Data Science i kapittelmenyen, som begynner på 03:17.
Hvorfor studere Applied Data Science?
Niklas Frogner gir deg svaret på 70 sekunder.