Bachelor i anvendt datavidenskab (online og on-campus)
Noroff School of Technology and Digital Media
Nøgleinformation
Campus placering
Kristiansand, Norge
Lingvistik / Sprogvidenskab
Engelsk
Studieformat
Fjernundervisning, På campus
Varighed
3 år
Hastighed
Fuldtid
Studieafgifter
EUR 25.680 / per semester *
Ansøgningsfrist
Kontakt skolen
Tidligste startdato
Kontakt skolen
* pris online: 4.280 Euro pr. semester, 150 Euro - adgangsgebyr; pris på campus: 5.730 Euro pr. semester, 150 Euro - adgangsgebyr
Stipendier
Udforsk stipendiemuligheder for at hjælpe med at finansiere dine studier
Introduktion
IT-uddannelse med fokus på det voksende globale behov for analyse af big data. Applied Data Science lærer dig videnskabelige metoder til at arbejde med data på en praktisk og relevant måde.
Dataeksplosionen
Vi lever i datalderen! Data kommer fra overalt - indlæg til sociale mediesider, online salgstransaktioner, klima- og trafiksensorer, GPS-aktiverede enheder, mobiltelefonsystemer, transportnetværk, industrisystemer, sundhedspleje og tingenes internet. Data genereres i en konstant accelererende hastighed af både mennesker og maskiner. IBM vurderer, at der hver dag genereres 2,5 quintillion byte af data, hvor 90% af eksisterende data er blevet oprettet i de sidste to år alene.
Stigningen af Big Data og tilgængeligheden af adskillige, forskellige specialiserede datasæt betyder, at der kræves dataeksperter til at arbejde på tværs af alle fagområder, herunder videnskab, industri og regering, der arbejder på tværs af hele datalivets cyklus, fra erhvervelse, rensning og efterforskning til analyse, visualisering og kommunikation. Dette er domænet for datavidenskabsmand.
Gennem bachelorprogrammet lærer de studerende de teoretiske fundamenter, der kræves for at arbejde inden for dette område, såvel som den praktiske anvendelse af værktøjer og teknikker, der bruges inden for datavidenskab. Dette inkluderer datastyring, analyse og visualisering, softwareudvikling og implementering, matematisk og statistisk analyse og kunstig intelligens og maskinlæring.
Programoplysninger
Næste opstart:
- 10. august 2020
Universitetsområde:
- Kristiansand
- Onlinestudier
Varighed:
- 3 år
Programsprog:
- engelsk
Programstruktur
Programmets første år er designet til at udvikle en bredde af fundamentfærdigheder, der kræves af dataforskere. I løbet af dette studieår udvikler studerende programmering, matematik, netværk og datastyringsevner sammen med forskning og projektstyring.
I løbet af det andet studieår udvikler studerende deres evner til programmering og softwareudvikling. De vil også undersøge statistiske værktøjer og teknikker til dataanalyse og udforske NoSQL datalagringsteknologier.
I deres sidste år får de studerende praktisk erfaring med big data-analyse og datavisualisering og udvikler applikationer ved hjælp af maskinlæringsprincipper. Dette år inkluderer også muligheden for at udvikle domænespecifik praktisk ekspertise, udforske datakravene i brancherne inden for olie og gas, ingeniør- og informationsteknologi eller samfundsrelaterede sektorer inden for regering og sundhedsvæsen.
Efter afsluttet grad vil kandidaterne have den teoretiske og praktiske kompetence, der kræves for at arbejde på tværs af forskellige brancher inden for adskillige typer organisationer. Kandidater vil også være kvalificerede til at fortsætte med at udvikle deres ekspertise gennem yderligere undersøgelser.
Kurser
År 1:
- Problembaseret læring og forskningsmetoder
- Introduktion til informationssikkerhed
- Professionelle aspekter af computing
- Introduktion til programmering
- Diskret matematik
- Netværksprincipper
- Programmering og databaser
- Studio projektarbejde
År 2:
- Objektorienteret programmering
- Opererer filsystemer
- NoSQL Databaser
- Statistiske analyseværktøjer og teknikker
- Professionel softwareudvikling
- Algoritmer og datastrukturer
- Studio projektarbejde
År 3:
- Sidste års projekt
- Big Data Analytics
- Datavisualisering
- Maskinelæring
- Valgfag
- Valgfag
Valgfag:
- Smart Sociations Health, Society and Media
- Smart teknologier: Computing, telekommunikation og cybersikkerhed
- Smart industrier: olie, gas og teknik
- Natural Language Processing
- Kryptografi og steganografi
- Incident Management
- Yderligere diskret matematik
- Ren matematik til computere
Læringsresultater
Viden:
- Har en bred viden om de vigtige emner, teorier, principper og spørgsmål inden for datavidenskab, big data-analyse og beslægtede felter og de tilknyttede teoretiske og digitale processer, værktøjer og metoder til at undersøge datadrevet problematiske situationer.
- Er bekendt med det aktuelle forsknings- og udviklingsarbejde inden for området big data-analyse og datavidenskab.
- Har kendskab til de vigtigste softwareudvikling og dataanalyseprincipper, teorier, værktøjer og teknikker til at arbejde med store heterogene datasæt, hvordan man anvender dem på tværs af forskellige datadrevne domæner og situationer, og hvordan man evaluerer deres effektivitet og resultater opnået fra deres ansøgning.
- Kan opdatere hans / hendes viden inden for datavidenskab gennem akademisk undersøgelse, forskning og faglig udvikling.
- Har kendskab til historien og udviklingen af big data-analyse og datavidenskab, herunder de vigtigste værktøjer, teknikker og teknologier inden for datavidenskabsområdet og deres fortid og potentielle fremtidige indflydelse på funktion, styring, analyse og udvikling af videnskab, industri og samfund.
- Forstår de juridiske og etiske spørgsmål i forbindelse med indhentning og analyse af big data og præsentation af resultaterne af big data-analyse til interessenter.
- Har viden om anvendelse af datavidenskabelige principper og statistiske og analytiske værktøjer og teknikker inden for komplekse videnskabelige, samfundsmæssige og industrielle områder.
Færdigheder:
- Kan anvende akademisk og teoretisk viden om dataanalyseværktøjer og -teknikker plus aktuelt forsknings- og udviklingsarbejde til praktiske og teoretiske datavidenskabelige problemer for at tage velbegrundede, informerede og berettigede beslutninger og valg.
- Kan reflektere over egen akademisk praksis og faglig udvikling, identificere områder til forbedring og tilpasse sig den fremtidige udvikling inden for dataanalyse og visualiseringsværktøjer, teknikker og teknologi.
- Kan finde, evaluere og henvise til relevant information og videnskabeligt emne og præsentere det på en måde, der kaster lys over datadrevne problemer.
- Kan passende og effektivt lokalisere, anskaffe, manipulere og analysere store heterogene datasæt ved hjælp af passende dataanalytiske teknologier og statistiske teknikker.
- Er i stand til at udtrække betydning fra og fortolke data ved hjælp af en række matematiske og maskinindlæringsværktøjer og -metoder.
- Kan vælge og bruge de primære digitale værktøjer og teknikker til visualisering af data og resultaterne af big data-analyse på en passende og professionel måde for at udvikle og præsentere informativ indsigt i datadrevet problematiske situationer.
- Kan kritisk vælge og anvende en række analytiske og metodologiske problemløsningsmetoder baseret på forskning og være i stand til at fortolke løsningen og præsentere resultaterne korrekt.
- Er i stand til at identificere interessenter i datavidenskabelige projekter og kommunikere, netværk og samarbejde med disse interessenter på passende måde i henhold til projektkrav og de potentielle virkninger af resultater.
Generel kompetence:
- Er i stand til at identificere og på passende måde handle på komplekse etiske spørgsmål, der opstår inden for den akademiske og professionelle praksis som datavidenskabsmand.
- Er i stand til at planlægge, udføre og styre en række forskellige opgaver og data-videnskabelige projekter over tid, alene eller som en del af en gruppe, til en vellykket afslutning og i overensstemmelse med relevante etiske krav og principper.
- Kan kommunikere resultaterne af teoretisk, praktisk og forskningsbaseret akademisk arbejde effektivt ved hjælp af passende kommunikationsformer (elektronisk, mundtligt og / eller skriftligt) for at præsentere teorier, argumenter, problemer og løsninger på en passende, professionel måde.
- Kan kommunikere og udveksle meninger, ideer og andre emner som teorier, problemer og løsninger med andre med baggrund og / eller erfaring inden for datavidenskab og relaterede felter gennem valg og anvendelse af passende kommunikationsmetoder og derved bidrage til udviklingen af god praksis inden for datavidenskabets praksis.
- Er i stand til at engagere sig i selvreflektion som en del af den strategi for livslang læring, der kræves af en datalogi og en reflekterende praktiker.
- Er bekendt med aktuelle og nye tanker og tendenser inden for datavidenskab og beslægtede discipliner.
Karrieremuligheder
Ekspertisen og færdighederne i dette bachelorprogram er efterspurgt, da mange trendindikatorer antyder, at Data Science og 'Big Data' -relaterede problemer vil have stadig større betydning for mange kommercielle sektorer. Dette er blevet drevet i de senere år af udviklingen inden for teknologi og datatilhængighed. De nye initiativer relateret til nye teknologier, der bruges i Smart Cities, Internet of Things og Cyber-Physical Systems, vil også generere en enorm mængde data, der kræver specialister inden for datavidenskab. Der er et presserende behov for kandidater, der er kvalificerede i storskala dataanalyse.
Ifølge Abelia er der et foruroligende underskud hos mennesker med stærke tekniske færdigheder i Norge. Afstanden mellem behov og tilgængelig ekspertise varierer fra 24 til 113 procent. Det bedste tilfælde antyder, at en ud af fire ikt-stillinger inden 2030 vil være ledig.
McKinsey estimerer, at USA har en mangel på 140.000 til 190.000 mennesker med analytisk ekspertise og 1,5 millioner ledere og analytikere med evnerne til at forstå og træffe beslutninger baseret på analyse af big data. Dette anslås som et mellemrum på 50-60% i efterspørgslen efter analytiske eksperter. En rapport fra Royal Statistical Society i Storbritannien har fremhævet, at 80% af organisationerne allerede har problemer med at finde færdighederne, der kan opfylde den stigende efterspørgsel.
De fleste store virksomheder, der er afhængige af informationsteknologi, har behov for mennesker med ekspertise inden for Data Science. Denne bachelorgrad giver derfor en unik kvalifikation til at håndtere udfordringer på tværs af forskellige organisationer og brancher.
Yderligere studier
Studerende, der ønsker videreuddannelse i datavidenskab, kan ansøge om kandidatstudier relateret til databehandling, dataanalyse eller datavidenskab ved en række videregående uddannelsesinstitutioner både i Norge og internationalt. Kandidater, der ønsker at studere på ph.d.-niveau, vil derefter kunne ansøge om sådanne studiemuligheder i Norge eller derover.