Fakta
Sjekk nettsidene
Informasjon oppdatert
23. januar 2023.
Om studiet
IT-utdanning med fokus på å gi deg ferdigheter i å hente ut nyttig kunnskap fra data. Gå rett i jobb som data scientist, det mest sexy yrket i det 21. århundret, ifølge Harvard Business Review.
Svært attraktive på arbeidsmarkedet
Data science, eller datavitenskap, handler om å bruke data til å analysere, skape innsikt, og forutse fremtidige hendelser – og dermed skape store konkurransefortrinn for selskaper. Data scientists blir derfor svært attraktive. Det enorme behovet og mangelen på kompetanse gjør at data scientists gjerne har svært gunstige lønnsavtaler.
Vi lever i informasjonsalderen. Netflix, Spotify, Facebook, Google, Amazon bruker alle enorme mengder data for å ligge i forkant på sine områder. Det samme gjør mindre selskaper, hvor mulighetene er uendelige. Data kommer fra alle kanter – online salg, klima og trafikksensorer, GPS, mobiltelefon, transportnettverk, industri, olje, helsevesenet og the Internet of Things. Applied Data Science lærer deg vitenskapelige metoder for å jobbe med data på en praktisk og anvendbar måte.
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
Opptakskrav
Generell studiekompetanse. Det kan også søkes på grunnlag av realkompetanse.
I tillegg kommer spesielt opptakskrav om Matematikk R1 eller S1 og S2. Annen dokumentert kunnskap eller utdanning kan godkjennes som likeverdig.
Opptaksinformasjon
Benytt vårt søknadsskjema på noroff.no for å søke studieplass. Merk at det fra 2019 ikke vil være mulig å søke via Samordna Opptak.
Læringsutbytte
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.
Videre studier
Etter denne utdanningen er du klar for å gå rett i jobb. Studenter som likevel 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.
Karrieremuligheter
Ekspertisen og kompetansen denne bachelorgraden gir er svært ettertraktet på arbeidsmarkedet. Det er sterke indikatorerer på at data science, maskinlæring, kunstig intelligens, og Big Data-relaterte utfordringer vil øke i alle sektorer.
Ny smart-teknologi, 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.
Flere og flere arbeidsgivere søker etter kvalifiserte data scientists som kan håndtere den enorme mengden data. Ifølge Abelia er det en bekymringsfull mangel på personer med riktig kompetanse i Norge. Ved best mulig utfall innen 2030 vil en av fire informasjons- og kommunikasjonsteknologiske stillinger stå ledig.
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.