Data Science - master deltid

Har du en ingeniørgrad og synes maskinlæring og kunstig intelligens er spennende? Da kan denne masteren passe for deg.

Sist oppdatert
Fakta
Varighet

4 år / 8 semestre

Studiepoeng

120

Undervisningsspråk

Engelsk

Antall studieplasser

11

Studiestart

August hvert år

Ordinær søknadsfrist

15. april for lokale søkere Søk på Master of Science in Data Science – part-time i Søknadsweb:

Studenter med kompetanse innen Data Science vil være svært ettertraktede i framtidens arbeidsmarked, hvor de skal bidra til utvikling av smarte løsninger og digitalisering.

Om studiet

Masterstudiet tilbys som et deltidsstudium over 4 år.  

Dette deltidsstudiet kan tas i kombinasjon med jobb eller andre aktiviteter, men krever noe fysisk oppmøte. Du tar emner sammen med fulltidsstudenter som tar studiet over to år, men du tar færre emner per semester fordelt på fire år. Deltidsstudiet foregår på dagtid, og de fleste emner baserer seg på laboratoriearbeid og prosjektarbeid i grupper med obligatorisk oppmøte. Forelesninger streames som regel ikke, men bøker og digitale verktøy, som Discord, dekker pensum. Du må regne med at du trenger 1-2 dager per uke (avhengig av semester) for å følge obligatoriske aktiviteter. 

Evnen til å opprette, administrere og utnytte data har blitt en av de viktigste utfordringene i arbeidslivet. Med kompetanse innen Data Science er du svært ettertraktet i arbeidsmarkedet. Her kan du bidra til utvikling og bruk av smarte løsninger og digitalisering. I emner som “Maskinlæring” og “Datautvinning og dyplæring” går vi i dybden på kunstig intelligens og maskinlæring.

For å analysere, forstå og bruke store datamengder, krever faget tverrfaglige ferdigheter og kunnskaper. Dette studiet gir deg som har en annen ingeniørbakgrunn mulighet til å rette deg mot digitalisering og dataanalyse. Her kan du fordype deg i informasjonsgjenfinning, datautvinning og statistikk. 

Data Science er avgjørende for å skape smarte løsninger, både innenfor datateknologi og andre ingeniørdisipliner.  

På studiet får du mulighet til å skrive masteroppgaven din i samarbeid med industrien, og bidra inn i et sterkt forskningsmiljø ved UiS. 

Hva kan du bli?

Med en mastergrad i Data Science kan du få en stilling i nesten alle bransjer. Noen eksempler på virksomheter hvor du kan finne arbeid er IT-konsulentselskaper, virksomheter innen telekommunikasjon, energirelaterte virksomheter, sykehus og andre offentlige etater. Spesialisering i Data Science gir grunnlag for arbeid med dataanalyse og utvikling av databehandlingssystemer for hele datalivssyklusen. Det bygger kunnskap og ferdigheter innen avansert statistikk, datautvinning, maskinlæring og prosessering av store datavolumer.

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

Læringsutbytte

Alle studieprogram ved UiS har definerte mål for hva du skal lære gjennom studieløpet. Les mer om læringsutbyttet for dette studieprogrammet.

Etter fullført toårig mastergrad i Data Science skal kandidaten ha følgende samlede læringsutbytte, definert i form av kunnskap, ferdigheter og generell kompetanse:

Kunnskap

K1: Avansert kunnskap innen Data Science, som inkluderer databehandling, maskinlæring, datautvinning, statistikk og typiske programmeringsspråk for området, inkludert: Python and R.

K2: Spesialisert innsikt i dataanalyse.

K3: Dyp kunnskap om vitenskapelig teori og metoder i Data Science.

K4: Anvende kunnskap om algoritmer for statistisk analyse, maskinlæring eller datautvinning på nye områder innen datavitenskap.

K5: Analyser faglige problemstillinger basert på det fjerde vitenskapsparadigmet, 4Vs av store data (volum, hastighet, variasjon og variasjon), datadrevet tilnærming, CRISP-DM (standardprosess for datautvinning på tvers av industrien).

Ferdigheter

S1: Analysere og forholde seg kritisk til ulike informasjonskilder, datasett og dataprosesser; og anvende disse for å strukturere og formulere slutninger basert på dataene.

S2: Analysere eksisterende teorier, metoder og tolkninger innenfor fagområdet og arbeide selvstendig med å anvende og vurdere ulike lagrings- og databehandlingsteknologier.

S3: Bruk CRISP-DM og vitenskapelige metoder for å utvikle dataanalyseprogrammer på en uavhengig måte.

S4: Gjennomføre uavhengig, begrenset datainnsamling, analyse og evaluering i henhold til etablerte designprinsipper i samsvar med gjeldende forskningsetiske standarder.

Generell kompetanse

G1: Analysere relevante etiske problemer som oppstår gjennom databruk og datagjenoppretting.

G2: Bruke sine kunnskaper og ferdigheter på nye områder for å utføre avanserte oppgaver og prosjekter knyttet til databehandling, dataanalyse og optimalisering.

G3: Formidle resultater av omfattende dataanalyse og utviklingsarbeid, og beherske datavitenskapelige uttrykk.

G4: Kommunisere om faglige problemstillinger, analyser og konklusjoner innenfor fagområdet, både med spesialister og til allmennheten.

G5: Bidra til nye ideer og innovasjonsprosesser ved å introdusere datadrevne tilnærminger, omfattende dataanalyse og utviklingsarbeid, og mestre datavitenskapelige uttrykk.

Studieplan og emner

Allerede student på dette programmet? Her finner du hele studieprogrambeskrivelsen
  • Obligatoriske emner

    • Nettskyteknologier

      Første år, semester 1

      Nettskyteknologier (DAT515)

      Studiepoeng: 5

    • Introduksjon til datavitenskap

      Første år, semester 1

      Introduksjon til datavitenskap (DAT540)

      Studiepoeng: 10

    • Algoritmeteori

      Første år, semester 2

      Algoritmeteori (DAT600)

      Studiepoeng: 10

    • Data-intensive Systems and Algorithms

      Andre år, semester 3

      Data-intensive Systems and Algorithms (DAT535)

      Studiepoeng: 5

    • Statistisk modellering og simulering

      Andre år, semester 3

      Statistisk modellering og simulering (STA510)

      Studiepoeng: 10

    • Maskinlæring

      Andre år, semester 4

      Maskinlæring (ELE520)

      Studiepoeng: 10

    • Datautvinning og dyplæring

      Tredje år, semester 6

      Datautvinning og dyplæring (DAT550)

      Studiepoeng: 10

    • Masteroppgave i Data Science

      Fjerde år, semester 7

      Masteroppgave i Data Science (DASMAS)

      Studiepoeng: 30

  • 5. eller 7. semester ved UiS eller utveksling

    • Emner ved UiS 5. og 7. semester

      • Velg ett emne

      • Anbefalte valgemner 5. og/eller 7. semester

        • Diskret simulering og ytelsesanalyse

          Tredje år, semester 5

          Diskret simulering og ytelsesanalyse (DAT530)

          Studiepoeng: 10

        • Informasjonsgjenfinning og tekstutvinning

          Tredje år, semester 5

          Informasjonsgjenfinning og tekstutvinning (DAT640)

          Studiepoeng: 10

        • Sannsynlighetsregning og statistikk 2

          Tredje år, semester 5

          Sannsynlighetsregning og statistikk 2 (STA500)

          Studiepoeng: 10

        • Statistisk læring

          Tredje år, semester 5

          Statistisk læring (STA530)

          Studiepoeng: 10

      • Andre valgemner 5. og/eller 7. semester

    • Utveksling 5. eller 7. semester

Utveksling

Ved å reise til en av våre partnerinstitusjoner i utlandet som en del av studiet har du mulighet til å få en unik utdanning. I tillegg til økte karrieremuligheter, vokser du som person og får se faget ditt fra en ny vinkel. Alt om utveksling

Utenlandsopphold er mulig for alle UiS-studenter, selv om spesielle ordninger kan være nødvendig for deltidsstudenter.

For mer informasjon, se fulltidsløpet.

Opptakskrav

Opptakskravet er fullført bachelorgrad i ingeniørfag, i henhold til nasjonal rammeplan for ingeniørutdanning, eller tilsvarende utdanning med minst 10 sp med programmering og ytterligere 10 sp i datatekniske emner (databaser, algoritmer og datastrukturer, videregående programmering, operativsystemer eller lignende).  Alle søkere må ha minimum 25 sp matematikk, 5 sp statistikk og 7,5 sp fysikk. Søkere med utenlandsk utdanning må ha tilsvarende 25 sp innen matematikk, 5 sp statistikk og 7,5 sp fysikk.

Det er satt en laveste gjennomsnittskarakter for opptak på C.

Det kan kreves minst 50 sp i programmering og datatekniske emner i tilfeller der nøyaktig innhold i programmering og datatekniske emner ikke kan bekreftes gjennom standardiserte læringsutbyttebeskrivelser basert på Bolognaprosessen.
Hvis du har fullført studier/emner utenfor Universitetet i Stavanger, må du laste opp originale emnebeskrivelser på norsk eller engelsk, som inneholder et klart definert læringsutbytte (curriculum). Emnenavn og -koder på emnebeskrivelsene må samsvare med karakterutskrift. Dersom du ikke laster opp emnebeskrivelser, risikerer du at søknaden din blir nedprioritert.

Utfyllende regler for opptak (PDF)

Slik er det å studere ved UiS

Spørsmål og svar

Hva er forskjellen på Data Science og datateknologi?

Hva lærer du når du velger program Data Science?

Programmet Data Science lærer deg å trekke ut relevant informasjon fra en kompilering av store datasett fra forskjellige kilder. Evnen til å opprette, administrere og utnytte data har blitt en av de viktigste utfordringene for utøvere i nesten alle disipliner, sektorer og næringer.

Det gir grunnlag for arbeid innen dataanalyse og utvikling av databehandlingssystemer for hele data livssyklus. Du får kunnskap og ferdigheter i avansert statistikk, datautvinning, maskinlæring og behandling av store datamengder. Studiet vil være svært ettertraktet i framtidens arbeidsmarked, med utvikling av smarte løsninger som for eksempel i smarte byer, med smart energi og digitalisering.

Hva lærer du når du velger program datateknologi?

I programmet datateknologi lærer deg ledelse, design og programmering av datasystemer. Evnen til å integrere kunnskap og ferdigheter i sikkerhet, pålitelighet og skalerbarhet sammen med algoritmeteori og statistikk er nødvendig for å svare på utfordringer i datasystemer i alle bransjer.

Det gir grunnlag for arbeid med utvikling og planlegging av kommersielle datasystemer til forskjellige formål. Du får kunnskap og ferdigheter innen nettverkssikkerhet, pålitelighet av distribuerte systemer, simulering og modellering.

Liknende utdanninger

Kontakt oss

Førstekonsulent
51831747
Det teknisk-naturvitenskapelige fakultet
Fakultetsadministrasjonen TN
Kontor for utdanningsadministrative tjenester
Professor II i datateknikk
51832061
Det teknisk-naturvitenskapelige fakultet
Institutt for data- og elektroteknologi