Fakta
Informasjon er oppdatert av Universitetet i Oslo
16. januar 2025.
Om studiet
Vil du jobbe med problemløsing innen klima, energiforsyning, kommunikasjon, legevitenskap eller andre viktige samfunnsområder? Eller er du fascinert av rene matematiske ideer? I dette studiet kombinerer du matematisk tenkning med datamaskinens kraft, et samspill som er svært ettertraktet i næringsliv, forskning og forvaltning.
Innhold i studiet
Matematikk er verktøyet for å forstå data og sammenhenger. Du trenger for eksempel matematikk for å analysere medisinske bilder, beskrive spredning av sykdommer (som Covid-19), studere prosesser i naturen eller forstå kvantedatamaskiner. Dette studiet gir deg et grunnlag for å utvikle matematiske modeller og å lage dine egne dataprogrammer for å regne på disse. I tillegg får du et godt grunnlag i matematisk teori og tenkemåte.
Du vil jobbe aktivt med matematisk problemformulering og problemløsning, og du får omfattende kunnskaper innen matematikk, informatikk, fluidmekanikk og statistikk. Du lærer å tenke abstrakt, fundamentalt og presist, og du blir vant til å analysere komplekse problemstillinger. I tillegg lærer du hvordan matematiske teorier og teknikker kan anvendes i andre fagområder.
Etter en felles innledningsdel velger du mellom disse studieretningene:
- Beregningsorientert informatikk
- Finans, forsikring og risiko
- Matematikk
- Matematikk og fysikk
- Matematikk og informasjonssikkerhet
- Mekanikk og teknologi
- Statistikk og data science
Videre studier og jobbmuligheter
Etter en fullført bachelorgrad kan du gå videre til ulike masterprogrammer, avhengig av hvilken studieretning du har i bachelorgraden og hvilke valgfrie emner og/eller fordypningsemner du velger.
Aktuelle jobber finner du for eksempel innen konsulentbransjen, programutvikling, informasjonssikkerhet, bioteknologi, mediebedrifter, teknologisk eller medisinsk forskning, miljøovervåkning, forsikring, bank og finans, mobilkommunikasjon, energi, forvaltning, undervisning, legemiddelindustri og sykehus.
Mange tror at datamaskiner kan erstatte folk med matematisk kompetanse, men det motsatte er tilfellet. Kunstig intelligens og Data Science krever en stadig større og bredere matematikkompetanse for å utnytte de mulighetene datamaskinene gir.