Bachelor i anvendt datavitenskap (online og on-campus)
Noroff School of Technology and Digital Media
Nøkkelinformasjon
Campus plassering
Kristiansand, Norge
Språk
Engelsk
Studieformat
Fjernundervisning, På universitetsområdet
Varighet
3 år
Tempo
Fulltid
Studieavgift
EUR 25 680 / per semester *
Søknadsfrist
Be om info
Tidligste startdato
Be om info
* pris online: 4 280 Euro per semester, 150 Euro - inngangsbillett; pris på campus: 5 730 euro per semester, 150 euro - inngangsbillett
Stipend
Utforsk stipendmuligheter for å finansiere studiene dine
Introduksjon
IT-utdanning med fokus på det økende globale behovet for big data-analyse. Applied Data Science lærer deg vitenskapelige metoder for å jobbe med data på en praktisk og relevant måte.
Dataeksplosjonen
Vi lever i datatiden! Data kommer fra overalt - innlegg til sosiale mediesider, salgstransaksjoner på nettet, klima- og trafikksensorer, GPS-aktiverte enheter, mobiltelefonsystemer, transportnett, industrisystemer, helsevesen og tingenes internett. Data blir generert med en stadig akselererende hastighet av både mennesker og maskiner. IBM anslår at det hver dag blir generert 2,5 kvintillioner byte med data, og 90% av eksisterende data er blitt opprettet i løpet av de to siste årene alene.
Fremveksten av Big Data og tilgjengeligheten av en rekke, forskjellige spesialiserte datasett betyr at dataeksperter er nødvendige for å jobbe på tvers av alle fagdomener, inkludert vitenskap, industri og myndigheter, og jobber på tvers av hele datalivets livssyklus, fra anskaffelse, rensing og utforsking til analyse, visualisering og kommunikasjon. Dette er domenet til datavitenskapsmannen.
Gjennom bachelorprogrammet skal studentene lære de teoretiske grunnlagene som kreves for å jobbe innenfor dette domenet, samt den praktiske anvendelsen av verktøy og teknikker som brukes innen datavitenskap. Dette inkluderer datastyring, analyse og visualisering, programvareutvikling og distribusjon, matematisk og statistisk analyse, og kunstig intelligens og maskinlæring.
Programinformasjon
Neste oppstart:
- 10. august 2020
campus:
- Kristiansand
- Nettstudier
Varighet:
- 3 år
Programsprog:
- Engelsk
Programstruktur
Det første året av programmet er designet for å utvikle en bredde av grunnleggende ferdigheter som kreves av dataforskere. I løpet av dette studieåret skal studentene utvikle ferdigheter innen programmering, matematikk, nettverk og dataadministrasjon sammen med forskning og prosjektledelse.
I løpet av det andre studieåret vil studentene videreutvikle sine programmerings- og programvareutviklingsevner. De vil også utforske statistiske verktøy og teknikker for dataanalyse og utforske NoSQL datalagringsteknologier.
I løpet av det siste året skal studentene få praktisk erfaring med big data-analyse og datavisualisering og utvikle applikasjoner ved bruk av maskinlæringsprinsipper. Dette året inkluderer også muligheten til å utvikle domenespesifikk praktisk ekspertise, utforske datakravene til industrisektorene innen olje og gass, ingeniør- og informasjonsteknologi, eller samfunnsrelaterte sektorer innen myndigheter og helsevesen.
Etter fullført grad vil kandidatene ha den teoretiske og praktiske kompetansen som kreves for å arbeide på tvers av en rekke bransjer innen mange typer organisasjoner. Nyutdannede vil også være kvalifisert til å fortsette å utvikle sin kompetanse gjennom videre studier.
kurs
År 1:
- Problembasert læring og metodologier
- Introduksjon til informasjonssikkerhet
- Profesjonelle aspekter ved databehandling
- Introduksjon til programmering
- Diskret matematikk
- Nettverksprinsipper
- Programmering og databaser
- Studio prosjektarbeid
År 2:
- Objektorientert programmering
- Opererer filsystemer
- NoSQL databaser
- Statistiske analyseverktøy og teknikker
- Profesjonell programvareutvikling
- Algoritmer og datastrukturer
- Studio prosjektarbeid
År 3:
- Final Year Project
- Big Data Analytics
- Datavisualisering
- Maskinlæring
- valgfag
- valgfag
valgfag:
- Smart Sociations Health, Society and Media
- Smarte teknologier: databehandling, telekommunikasjon og cybersikkerhet
- Smart Industries: Oil, Gas and Engineering
- Naturlig språkbehandling
- Kryptografi og steganografi
- Incident Management
- Ytterligere diskret matematikk
- Ren matematikk for databehandling
Læringsutbytte
Kunnskap:
- Har bred kunnskap om viktige temaer, teorier, prinsipper og problemstillinger innen datavitenskap, big data analytics og beslektede felt, og tilhørende teoretiske og digitale prosesser, verktøy og metoder for å undersøke datadrevet problematiske situasjoner.
- Er kjent med dagens forsknings- og utviklingsarbeid innen big data analytics og data science.
- Har kunnskap om viktige programvareutviklings- og dataanalyseprinsipper, teorier, verktøy og teknikker for å jobbe med store heterogene datasett, hvordan du kan bruke dem på en rekke datadrevne domener og situasjoner, og hvordan du kan evaluere deres effektivitet og resultatene hentet fra deres søknad.
- Kan oppdatere kunnskapen sin innen datavitenskap gjennom akademisk studie, forskning og faglig utvikling.
- Har kunnskap om historien og utviklingen av big data analytics og data science, inkludert de viktigste verktøyene, teknikkene og teknologiene innen datavitenskapens domene, og deres fortid og potensielle fremtidige innvirkning på funksjon, styring, analyse og utvikling av vitenskap, industri og samfunn.
- Forstår juridiske og etiske spørsmål knyttet til innhenting og analyse av big data, og presentere resultatene fra big data-analyse for interessenter.
- Har kunnskap om å anvende datavitenskapelige prinsipper og statistiske og analytiske verktøy og teknikker innen komplekse vitenskapelige, samfunnsmessige og industrielle felt.
Ferdigheter:
- Kan anvende faglig og teoretisk kunnskap om dataanalytiske verktøy og teknikker, pluss dagens forsknings- og utviklingsarbeid, på praktiske og teoretiske datavitenskapelige problemer, for å ta velbegrunnede, informerte og begrunnede beslutninger og valg.
- Kan reflektere over egen faglig praksis og faglig utvikling, identifisere forbedringsområder og tilpasse seg fremtidig utvikling innen dataanalyse og visualiseringsverktøy, teknikker og teknologi.
- Kan finne, evaluere og henvise til relevant informasjon og vitenskapelig emne og presentere den på en måte som belyser datadrevne problemer.
- Kan på en passende og effektiv måte lokalisere, anskaffe, manipulere og analysere store heterogene datasett ved bruk av passende dataanalyseteknologier og statistiske teknikker.
- Kan trekke ut mening fra og tolke data ved å bruke en rekke matematiske og maskinlæringsverktøy og metoder.
- Kan velge og bruke de primære digitale verktøyene og teknikkene for å visualisere data og resultatene av big data-analyse på en passende og profesjonell måte, for å utvikle og presentere informativ innsikt i datadrevet problematiske situasjoner.
- Kan kritisk velge og anvende en rekke analytiske og metodiske problemløsningsmetoder, basert på forskning, og for å kunne tolke løsningene og presentere resultater på riktig måte.
- Kan identifisere interessenter i datavitenskapelige prosjekter og kommunisere, nettverk og samarbeide med disse interessentene på passende måte i henhold til prosjektkrav og potensielle konsekvenser av resultater.
Generell kompetanse:
- Kan identifisere og på passende måte handle på komplekse etiske spørsmål som oppstår innen den akademiske og profesjonelle praksisen som datavitenskapsmann.
- Er i stand til å planlegge, utføre og administrere en rekke oppdrag og datavitenskaprelaterte prosjekter over tid, alene eller som en del av en gruppe, til en vellykket konklusjon og i samsvar med relevante etiske krav og prinsipper.
- Kan kommunisere resultatene av teoretisk, praktisk og forskningsbasert faglig arbeid effektivt ved å bruke passende kommunikasjonsformer (elektronisk, muntlig og / eller skriftlig) for å presentere teorier, argumenter, problemer og løsninger på en passende, profesjonell måte.
- Kan kommunisere og utveksle meninger, ideer og andre emner som teorier, problemer og løsninger, med andre med bakgrunn og / eller erfaring innen datavitenskap og relaterte felt, gjennom valg og anvendelse av passende kommunikasjonsmetoder, og dermed bidra til utviklingen av god praksis innen datavitenskapens praksisfellesskap.
- Kan delta i selvrefleksjon som en del av strategien for livslang læring som kreves av en datafaglig fagperson og en reflekterende utøver.
- Er kjent med dagens og nye tanker og trender innen datavitenskap og relaterte fagdisipliner.
Karrieremuligheter
Kompetansen og ferdighetene til dette bachelorprogrammet er etterspurt ettersom mange trendindikatorer antyder datavitenskap og "Big Data" -relaterte problemer vil ha stadig større betydning for mange kommersielle sektorer. Dette har blitt drevet i løpet av de siste årene av utviklingen innen teknologi og allmennhetens data. De nye initiativene relatert til nye teknologier som brukes i Smart Cities, Internet of Things og Cyber-Physical Systems vil også generere en enorm mengde data som krever spesialister i datavitenskap. Det er et presserende behov for kandidater som er dyktige i storskala dataanalyse.
I følge Abelia er det et bekymringsfullt underskudd av mennesker med sterke tekniske ferdigheter i Norge. Avstanden mellom behov og tilgjengelig kompetanse varierer fra 24 til 113 prosent. Det beste tilfellet antyder at innen 2030 vil en av fire IKT-stillinger være ledige.
McKinsey anslår at USA har en mangel på 140 000 til 190 000 mennesker med analytisk ekspertise og 1,5 millioner ledere og analytikere med ferdighetene til å forstå og ta beslutninger basert på analyse av big data. Dette anslås som et gap på 50-60% i etterspørselen etter analytiske eksperter. En rapport fra Royal Statistical Society i Storbritannia har fremhevet at 80% av organisasjonene allerede har problemer med å finne ferdighetssettet for å fylle den økende etterspørselen.
De fleste store virksomheter som er avhengige av informasjonsteknologi, har behov for personer med kompetanse innen Data Science. Denne bachelorgraden gir derfor en unik kvalifikasjon for å håndtere utfordringer på tvers av en rekke organisasjoner og bransjer.
Videre studier
Studenter som ønsker videreutdanning i datavitenskap kan søke studier på mastergradsnivå relatert til databehandling, dataanalyse eller datavitenskap ved en rekke institusjoner for høyere utdanning både i Norge og internasjonalt. Nyutdannede som ønsker å studere på doktorgradsnivå vil da kunne søke om slike studiemuligheter i Norge eller utover.