180 studiepoeng 3 år Nettstudier
Kristiansand
IT-utdanning som gjør deg klar for det økende globale behovet innen big data-analyse. Applied Data Science lærer deg vitenskapelige metoder for å jobbe med data på en praktisk og anvendbar måte.
Dataeksplosjonen
Vi lever i informasjonsalderen. Informasjon kommer fra alle kanter – poster på sosiale medier, online salg, klima og trafikksensorer, GPS, mobiltelefon, transportnettverk, industri, helsevesenet og the Internet of Things. Informasjon, eller data, blir generert i en konstant akselererende rate, av både mennesker og maskiner. IBM estimerer at det hver dag genereres 2,5 quintillioner bytes data hvorav 90 % er blitt produsert i løpet av de to siste årene alene!
Data er for dette århundret det samme som olje var for det forrige. Et premiss for vekst og forandring.The Economist
Gjennom bachelorstudiet tilegner du deg det teoretiske grunnlaget som kreves for å jobbe som data scientist, og gode praktiske ferdigheter i anvendelsen av verktøy og teknikker innen feltet. Dette inkluderer databehandling, analyse og visualisering, programvareutvikling og utplassering, matematisk og statistisk analyse og kunstig intelligens og maskinlæring.
Studiets oppbygging
Det første året av studiet gir et bredt fundament og du får utvikle deg innen programmering, matematikk, nettverk og databehandling, research og prosjektledelse.
I det andre året videreutvikler du dine egenskaper innen programmering og programvareutvikling. Du utforsker statistikkverktøy og teknikker for dataanalyse, og utforske NoSQL datalagringsteknologi.
I det siste året får du mye praktisk erfaring i Big Data-analyse og datavisualisering, og utvikler applikasjoner ved hjelp av maskinlæringsprinsipper. Dette året har du muligheten til å utvikle områdespesifikk praktisk ekspertise, ved å utforske datakrav hos olje og gassindustrien, ingeniør- og informasjonsteknologi, eller samfunnsrelaterte sektorer innen regjering og helsevesenet.
Ved fullført grad har du oppnådd den teoretiske og praktiske kompetansen som kreves for å arbeide innen et bredt spekter av bransjer og organisasjoner, og være kvalifisert til å fortsette å utvikle din ekspertise gjennom videre studier på området.
Første studieår:
- Problem Based Learning and Research Methodologies
- Introduction to Information Security
- Professional Aspects of Computing
- Introduction to Programming
- Discrete Mathematics
- Network Principles
- Programming and Databases
- Studio project work
Andre studieår:
- Object Oriented Programming
- Operating File Systems
- NoSQL Databases
- Statistial Analysis Tools and Techniquies
- Professional Software Development
- Algorithms and Data Structures
- Studio project work
Tredje studieår:
- Final Year Project
- Big Data Analytics
- Data Visualisation
- Machine Learning
- Elective
- Elective
Electives:
- Smart Societies Health, Society and Media
- Smart Technologies: Computing, Telecommunications and Cyber Security
- Smart Industries: Oil, Gas and Engineering
- Natural Language Processing
- Cryptography and Steganography
- Incident Management
- Further Discrete Mathematics
- Pure Mathematics for Computing
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.
Jobbmuligheter
Ekspertisen og kompetansen denne bachelorgraden gir er ettertraktet. Det er sterke indikatorerer på at data science og Big Data-relaterte utfordringer vil øke innen mange kommersielle sektorer.
Initiativene relatert til ny teknologi for smarte byer, Internet of Things og Cyber Physical Systems vil generere enorme mengder data som krever data science-spesialister. Det er et økende behov for kompetansen, og det haster for mange.
Ifølge Abelia er det en bekymringsfull mangel på personer med riktig kompetanse i Norge. Distansen mellom behov og tilgjengelig ekspertise rangerer mellom 24 til 113 prosent. Ved best mulig utfall innen 2030 vil en av fire informasjons- og kommunikasjonsteknologiske stillinger stå ledig.
McKinsey estimerer at USA mangler 140.000 til 190.000 personer med analytisk ekspertise og 1,5 millioner managere og analytikere med kompetansen til å forstå og ta avgjørelser basert på analyse av Big Data. En rapport fra Royal Statistical Society i Storbritannia har lagt frem at 80% av organisasjoner allerede har utfordringer med å finne ressurspersoner som kan demme opp for det økende behovet for kompetanse.
De fleste store bedrifter som er avhengig av informasjonsteknologi har også behov for personer med ekspertise innen data science. Denne bachelorgraden gir en unik kvalifikasjon for å håndtere utfordringer i en mengde organisasjoner og industrisektoren.
Videre studier
Studenter som ønsker å spesialisere seg videre innen data science kan søke på mastergrader relater til databehandling, analyse eller data science ved utdanningsinstitusjoner både i Norge og internasjonalt. Studenter som ønsker å gå videre til doktorgrad vil ha muligheten til å søke seg inn på dette i Norge og internasjonalt.
