Computational Engineering, master favoritt ikon

Universitet og høgskole

Studienivå

Master, 2 år

Studiepoeng

120

Semester

4

Om studiet

En mastergrad i Computational Engineering vil gjøre deg kvalifisert for de mest krevende og interessante oppgaver i privat og offentlig sektor rollen som ingeniør, forsker eller leder.

Studiets oppbygging

Hva kan mennesker gjøre bedre enn maskiner? Hva er i det hele tatt mulig å beregne ved hjelp av datamaskiner?

Ingen av disse spørsmålene er fullt ut besvart ennå, og for de fleste tilfeller må modellering brukes. Dette masterprogrammet vil lære deg hvordan du kan oppnå forståelse av komplekse problemer, der man ofte ikke har nok informasjon, ved hjelp av modeller.

Modellering bryter et komplekst, ustrukturert problem ned i mindre, håndterbare deler som kan løses ved bruk av algoritmer og datamaskiner. Denne arbeidsmåten har mye til felles med algoritmisk tenkning, også kjent som «computational thinking». Studiet bruker «computational thinking» aktivt som strategi for å studere en konkret problemstilling, vurdere ulike fremgangsmåter for å løse den, forstå styrker og svakheter ved valg av ulike løsningsmetoder, samt å kommunisere analysen og foreslå løsninger til kollegaer og ledere.

Beslutninger og modellering

Gode beslutninger er avhengig av kunnskap om ulike prosesser, relevante data, samt gode modeller og ferdigheter til å modellere selv.

Ved å tilegne deg modelleringskompetanse og hvordan en modell kan danne grunnlag for beslutninger, vil du være bedre rustet til å bidra til et arbeidsliv som skaper verdier gjennom digitalisering. Samfunnsutfordringer endrer seg over tid, men basiskunnskap og programmeringsferdigheter som du oppnår i dette studiet vil gjøre deg bedre rustet til å takle disse utfordringene. Studieprogrammet vil gi deg ferdigheter som å analysere komplekse problemer og bruke faglig kompetanse som grunnlag for bedre beslutninger til for eksempel bedre ytelse, kvalitet og arbeidsflyt.

Emner

Studiet har metodeemner som bygger videre på matematikk, statistikk og grunnleggende programmering fra bachelorstudiet i ingeniør eller realfag. Studiet inneholder videregående modelleringsemner og algoritmeemner, beslutningsanalyse, optimalisering og usikkerhetsmodellering.

Opptakskrav

Bachelorgrad i ingeniørfag eller tilsvarende. For opptak kreves minst 10 studiepoeng i informatikk eller datatekniske emner, eller et ingeniørfaglig innføringsemne inkludert programmering. For opptak kreves i tillegg bestått eksamen i 30 studiepoeng i matematikk og statistikk.

Det er satt en laveste gjennomsnittskarakter for opptak på C.

Søkere som fullfører bachelorgraden i søknadssemesteret kan få tilbud om betinget opptak på de 150 studiepoengene oppnådd i de første fem semestrene av bachelorgraden. Søkerne må da dokumentere at de har full studieprogresjon samt utdanningsplan for vårsemesteret. I betingelsen for opptaket, må søker fullføre bachelorgrad og dokumentere dette innen 1. juli for at tilbudet skal være gjeldende.

Søknad: via lokalt opptak.
Søknadsfrist: 15. april.
Søknadsfrist for søkere med utenlandsk utdanning utenom nordiske land: 1 mars

Læringsutbytte

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


Kunnskap

K1: Har avansert kunnskap innen usikkerhetskvantifisering og modellering for beslutningsstøtte. Dette betyr at en har evnen til utvikle matematiske modeller som respekterer usikkerheten som ligger i et ufullstendig datagrunnlag, og som gir grunnlag for bedre forståelse/tolkning av data så vel som gjennomtenkte beslutninger.

K2: Har avansert kunnskap om effektive metoder for å designe, utvikle og teste modeller.

K3: Har avansert kunnskap innenfor bruk av algoritmer og algoritmisk tekning for å løse diskrete og kontinuerlige problemer.

K4: Har avansert kunnskap om effektive metoder for å designe, utvikle og teste modeller.

K5: Forstår begrensninger som ligger i valg av ulike modellformuleringer for å beskrive et komplekst system.

K6: Forstår begrensningene knyttet til valgt løsningsmetode, inkludert numerisk avrundningsfeil og begrensinger som ligger i valg av spesifikke algoritmer/numeriske metoder. 

K7: Kunne forstå viktigheten av å kvantifisere relevante og materielle usikkerheter for å generere innsikt og gjennomtenkte beslutninger.

K8: Har inngående kunnskap om betydningen- og konsekvensene som ligger i det velkjente sitatet av George Box, 1978: «All models are wrong, but some models are useful».

Ferdigheter F1: Kunne analysere og forholde seg kritisk til ulike informasjonskilder og anvende disse til å strukturere og formulere faglige resonnementer i henhold til modellering, usikkerhetskvantifisering, simulering, optimalisering og beslutningsstøtte.

F2: Har detaljerte kunnskaper og erfaringer med programmering i minst ett programmeringsspråk på høyere nivå.

F3: Kunne bestemme parametere i modeller ved hjelp av data og ekspertkunnskap.

F4: Kunne finne riktig balanse mellom en modells nytteverdi (hvor troverdige er forståelsen generert ved hjelp av modellen) og håndterlighet (enhver analyse må fullføres innenfor gitte tids- og ressursbegrensninger.

F5: Utvikle egne modelleringsprogrammer for bestemte beslutnings- eller optimaliseringssituasjoner.

F6: Kan gjennomføre et selvstendig, avgrenset forsknings- eller utviklingsprosjekt under veiledning og i tråd med gjeldende forskningsetiske normer. F7: Kunne evaluere instrumenter og applikasjoner for å optimalisere datainnsamling, analyse og styring.

F8: Utviser sensitivitetsanalyse av modellparametere for å generere ytterligere innsikt og forståelse.


Generell kompetanse

G1: Kan utvikle hypoteser og foreslå systematiske måter å teste dem ved hjelp av matematiske modeller

G2: Kan kommunisere om faglige problemstillinger, beslutningssituasjoner, analyser og konklusjoner innenfor fagområdet, både med spesialister og til allmennheten.

G3: Kunne bruke de generiske egenskapene som ligger i bruk av matematiske formuleringer for å aktivt søke å overføre kunnskap mellom forskjellige applikasjoner.

G4: Kunne bruke den matematiske formuleringen for å få innsikt i kjernen i problemet, det vil avdekke de mest grunnleggende mekanismene som styrer prosessen som studeres.

G5: Har innsikt i «The Art and Science of Mathematical Modeling».

Videre studier

Fullført mastergrad i Computational Engineering grunnlag for opptak på PhD-studier innen samme og lignende fagområder.

Karrieremuligheter

Modelleringskunnskap- og evner er nødvendig i nesten alle bransjer. Noen eksempler på virksomheter der de finner beskjeftigelse er: Olje og energi relatert virksomhet, konsulent og serviceselskaper, sykehus og andre offentlige etater. Bruken av digital teknologi øker raskt og kan sees overalt. Computational engineers er helt avgjørende for å realisere informasjonssamfunnet, fordi de har spesifikk kunnskap om ingeniøraspektene (domenekunnskap) og beregningsevner for å ta de nødvendige digitaliseringstrinnene.

Utveksling

Skaff deg et konkurransefortrinn i arbeidslivet - reis på utveksling!

UiS har inngått avtaler med høyere utdanningsinstitusjoner i Norden, Europa og i land utenfor Europa. Utvalget er stort og valget er ditt! På studentsidene kan du finne ut mer om hvor og når nettopp du kan reise i ditt studieprogram.

Det finnes mange gode grunner til å ta deler av utdanningen i utlandet, økte karrieremuligheter er bare én av dem. I tillegg til å skille deg ut i arbeidsmarkedet vil et utvekslingsopphold øke dine språklige ferdigheter, utvikle dine faglige perspektiver og gi deg personlig vekst! At utveksling er både lærerikt og en unik opplevelse for livet er det ingen tvil om!

Søknadsfrist for utreise høstsemesteret er 1. februar og for vårsemesteret 1. september. Minimumskravet for å reise på utveksling er at du må ha bestått eksamener tilsvarende ett års studier (60 studiepoeng) før du reiser.

Les mer om utveksling her: www.uis.no/ut