Applied Data Science, master i teknologi/siv.ing., deltid


Dette er studieprogrambeskrivelsen for studieåret 2022-2023

Fakta

Vekting (stp)

120

Studieprogramkode

M-APPDAT-D

Studienivå

Mastergrad iht §3, 2 år

Fører til grad

Master of Science

Heltid/deltid

Deltid

Varighet

8 Semestre

Grunnstudium

Nei

Undervisningsspråk

Engelsk

En mastergrad i Applied Data Science gjør deg kvalifisert for de mest krevende og interessante

arbeidsoppgavene innenfor data analyse, smarte løsninger (som for eksempler i smarte byer, smart energi) og digitalisering.

 

Studiets innhold, oppbygging og sammensetning

Etter at studenten har fått opptak til masterprogrammet i Applied Data Science, deltid over 4 år, må studenten ta en test i programmering og systemadministrasjon. Dersom studenten får ikke bestått på testen, vil UiS tilby og oppfordre studenten til å gjennomføre et forberedende sommerkurs i programmering og systemadministrasjon. Formålet med kurset er at studentene skal bli best mulig forberedt til masterprogrammet. Kurset finner sted tidlig i august før ordinær semesterstart.

Universitetet i Stavanger anser det ikke nødvendig å tilby sommerkurs for de studenter som allerede har bestått følgende emner ved Universitetet i Stavanger:

  • 10 studiepoeng i programmering og minst 5 studiepoeng i operativsystemer

Studiet inneholder metodeemner som skal utdype og videreføre det matematisk-naturvitenskaplige grunnlaget fra bachelor-studiet, tekniske spesialiseringsemner, valgemner og masteroppgaven. Masterstudiet i Applied Data Science, deltid over 4 år, gir 120 studiepoeng.

Studiet har metodeemner som bygger videre på matematikk, statistikk og grunnleggende programmering fra bachelorstudiet i ingeniør eller realfag. Studiet inneholder videregående statistikkemner og algoritmeemner, maskinlæring og databaser. Studiet ha fordypning i informasjonsgjenfinning, datautvinning og ytterligere fordypning i statistikk.

Dette deltidsstudiet kan tas i kombinasjon med jobb eller andre aktiviteter for de som bor i regionen og kan følge undervisningsopplegget som gis. Man tar emner sammen med fulltidsstudenter som gjør dette på to år, men færre emner per semester fordelt på fire år. Deltidsstudiet foregår på dagtid og de fleste emnet 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.

Læringsutbytte

En kandidat med fullført og bestått 2-årig mastergrad i Applied Data Science skal ha følgende samlede læringsutbytte definert i form av kunnskap, ferdigheter og generell kompetanse:

 

Kunnskap

K1: Avansert kunnskap innenfor data science, som omfatter databehandling, stordata, maskinlæring, datautvinning, statistikk og typiske programmeringsspråk for området, i.a.Python og R.

K2: Spesialisert innsikt i data analyse.

K3: Inngående kunnskap om vitenskapelige teori og metoder i data science.

K4: Anvende kunnskap om algoritmer for statistisk analyse, maskinlæring eller datautvinning på nye områder innenfor data science.

K5: Analysere faglige problemstillinger med utgangspunkt i fjerde vitenskapens paradigme, 4Vene av stordata (volum, velositet, variasjon, variabilitet), data-drevet tilnærming, CRISP-DM (cross-industry standard process for data mining).

 

Ferdigheter

F1: Analysere og forholde seg kritisk til ulike informasjonskilder, datasett og dataprosesser; og anvende disse til å strukturere og formulere data-drevet resonnement.

F2: Analysere eksisterende teorier, metoder og fortolkninger innenfor fagområdet og arbeide selvstendig med å anvende og evaluere ulike lagrings- og databehandlingsteknologier.

F3: Bruke CRISP-DM og vitenskapelige metoder for å utvikle dataanalyseprogrammer på en selvstendig måte.

F4: Gjennomføre en selvstendig, avgrenset datainnsamling, analyse og evaluering etter etablerte ingeniørprinsipper i tråd med gjeldende forskningsetiske normer.

 

Generell kompetanse

G1: Analysere relevante etiske problemstillinger som følger av bruk av data og datautvinning.

G2: Anvende sine kunnskaper og ferdigheter på nye områder for å gjennomføre avanserte arbeidsoppgaver og prosjekter relatert til databehandling, dataanalyse og optimalisering.

G3: Formidle resultater av omfattende dataanalyse og utviklingsarbeid, og beherske Data Science-uttrykksformer.

G4: Kommunisere om problemstillinger, analyser og konklusjoner relatert til data-drevet forskning og utvikling, både med spesialister og til allmennheten.

G5: Bidra til nytenking og i innovasjonsprosesser ved å innføre data-drevet tilnærming.

Hva kan du bli?

Fullført mastergrad i Applied Data Science gir grunnlag for opptak på PhD-studier innen informasjonsteknologi, matematikk og fysikk.

Emneevaluering

Ordninger for kvalitetssikring og evaluering av studier er fastsatt i kvalitetssystem for utdanning

Studieplan og emner

  • Obligatoriske emner

    • DAT550: Datautvinning og dyplæring

      Tredje år, semester 6

      Datautvinning og dyplæring (DAT550)

      Studiepoeng: 10

    • APPMAS: Masteroppgave i Applied Data Science

      Fjerde år, semester 7

      Masteroppgave i Applied Data Science (APPMAS)

      Studiepoeng: 30

  • Velg ett emne 5. semester

    • DAT530: Diskret simulering og ytelsesanalyse

      Tredje år, semester 5

      Diskret simulering og ytelsesanalyse (DAT530)

      Studiepoeng: 10

    • STA510: Statistisk modellering og simulering

      Tredje år, semester 5

      Statistisk modellering og simulering (STA510)

      Studiepoeng: 10

  • Velg to emner 7. semester

    • DAT510: Sikkerhet og sårbarhet i nettverk

      Fjerde år, semester 7

      Sikkerhet og sårbarhet i nettverk (DAT510)

      Studiepoeng: 10

    • DAT620: Prosjekt i datateknologi

      Fjerde år, semester 7

      Prosjekt i datateknologi (DAT620)

      Studiepoeng: 10

    • DAT640: Informasjonsgjenfinning og tekstutvinning

      Fjerde år, semester 7

      Informasjonsgjenfinning og tekstutvinning (DAT640)

      Studiepoeng: 10

    • STA530: Statistisk læring

      Fjerde år, semester 7

      Statistisk læring (STA530)

      Studiepoeng: 10

  • Obligatoriske emner

    • MOD510: Modeling and Computational Engineering

      Andre år, semester 3

      Modeling and Computational Engineering (MOD510)

      Studiepoeng: 10

    • ELE520: Maskinlæring

      Andre år, semester 4

      Maskinlæring (ELE520)

      Studiepoeng: 10

    • DAT550: Datautvinning og dyplæring

      Tredje år, semester 6

      Datautvinning og dyplæring (DAT550)

      Studiepoeng: 10

    • APPMAS: Masteroppgave i Applied Data Science

      Fjerde år, semester 7

      Masteroppgave i Applied Data Science (APPMAS)

      Studiepoeng: 30

  • Velg ett emne 5. semester

    • DAT530: Diskret simulering og ytelsesanalyse

      Tredje år, semester 5

      Diskret simulering og ytelsesanalyse (DAT530)

      Studiepoeng: 10

    • STA500: Sannsynlighetsregning og statistikk 2

      Tredje år, semester 5

      Sannsynlighetsregning og statistikk 2 (STA500)

      Studiepoeng: 10

  • Velg to emner 7. semester

    • DAT510: Sikkerhet og sårbarhet i nettverk

      Fjerde år, semester 7

      Sikkerhet og sårbarhet i nettverk (DAT510)

      Studiepoeng: 10

    • DAT620: Prosjekt i datateknologi

      Fjerde år, semester 7

      Prosjekt i datateknologi (DAT620)

      Studiepoeng: 10

    • DAT640: Informasjonsgjenfinning og tekstutvinning

      Fjerde år, semester 7

      Informasjonsgjenfinning og tekstutvinning (DAT640)

      Studiepoeng: 10

    • ELE510: Bildebehandling og maskinsyn

      Fjerde år, semester 7

      Bildebehandling og maskinsyn (ELE510)

      Studiepoeng: 10

    • STA530: Statistisk læring

      Fjerde år, semester 7

      Statistisk læring (STA530)

      Studiepoeng: 10

  • Obligatoriske emner

    • DAT540: Introduksjon til datavitenskap

      Første år, semester 1

      Introduksjon til datavitenskap (DAT540)

      Studiepoeng: 10

    • STA510: Statistisk modellering og simulering

      Første år, semester 1

      Statistisk modellering og simulering (STA510)

      Studiepoeng: 10

    • DAT220: Databaser

      Første år, semester 2

      Databaser (DAT220)

      Studiepoeng: 10

    • MOD510: Modeling and Computational Engineering

      Andre år, semester 3

      Modeling and Computational Engineering (MOD510)

      Studiepoeng: 10

    • ELE520: Maskinlæring

      Andre år, semester 4

      Maskinlæring (ELE520)

      Studiepoeng: 10

    • DAT550: Datautvinning og dyplæring

      Tredje år, semester 6

      Datautvinning og dyplæring (DAT550)

      Studiepoeng: 10

    • APPMAS: Masteroppgave i Applied Data Science

      Fjerde år, semester 7

      Masteroppgave i Applied Data Science (APPMAS)

      Studiepoeng: 30

  • Velg ett emne 5. semester

    • DAT530: Diskret simulering og ytelsesanalyse

      Tredje år, semester 5

      Diskret simulering og ytelsesanalyse (DAT530)

      Studiepoeng: 10

    • STA500: Sannsynlighetsregning og statistikk 2

      Tredje år, semester 5

      Sannsynlighetsregning og statistikk 2 (STA500)

      Studiepoeng: 10

  • Velg to emner 7. semester

    • DAT510: Sikkerhet og sårbarhet i nettverk

      Fjerde år, semester 7

      Sikkerhet og sårbarhet i nettverk (DAT510)

      Studiepoeng: 10

    • DAT620: Prosjekt i datateknologi

      Fjerde år, semester 7

      Prosjekt i datateknologi (DAT620)

      Studiepoeng: 10

    • DAT640: Informasjonsgjenfinning og tekstutvinning

      Fjerde år, semester 7

      Informasjonsgjenfinning og tekstutvinning (DAT640)

      Studiepoeng: 10

    • ELE510: Bildebehandling og maskinsyn

      Fjerde år, semester 7

      Bildebehandling og maskinsyn (ELE510)

      Studiepoeng: 10

    • STA530: Statistisk læring

      Fjerde år, semester 7

      Statistisk læring (STA530)

      Studiepoeng: 10

Utveksling

Alle studenter ved UiS skal ha muligheten til å ta deler av studiet sitt i utlandet. For studenter på deltidsprogram kreves det gjerne noen ekstra tilpasninger.

For utfyllende informasjon om opplegg, anbefalinger og kontaktperson, se Applied Data Science master – heltid.

Kontaktinformasjon

Det teknisk-naturvitenskapelige fakultet, tlf. 51 83 17 00, e-post: post-tn@uis.no

Studiekoordinator: Sheryl Josdal, tlf. 51 83 17 47, e-post: sheryl.josdal@uis.no