Datateknologi - master i teknologi/siv.ing., deltid
Dette er studieprogrambeskrivelsen for studieåret 2024-2025
Vekting (stp)
120
Studieprogramkode
M-DATENG-D
Studienivå
Mastergrad iht §3, 2 år
Fører til grad
Master of Science
Heltid/deltid
Deltid
Varighet
8 Semestre
Grunnstudium
Nei
Undervisningsspråk
Engelsk
Masterstudiet i datateknologi ved Universitetet i Stavanger er åpent for norske og internasjonale studenter. Med en mastergrad i datateknologi er døren åpen for noen av de mest utfordrende og interessante jobbene i feltet. Studiet gir en bred forankring innen datavitenskap. Dette er et internasjonalt studieprogram, og alle emner gis på engelsk. Studiet er organisert under Fakultet for naturvitenskap og teknologi, Institutt for data- og elektroteknologi.
Studiets innhold, oppbygging og sammensetning
Universitetet i Stavanger tilbyr et masterprogram rettet mot studenter som har fullført en 3-årig ingeniørutdanning i datateknologi. Mastergraden i datateknologi omfatter 120 studiepoeng. I deltidsløpet kan du spre disse emnene over 4 år og ta ett til to emner hvert semester.
Studiet har praktiske emner som bygger på matematikk, statistikk, og grunnleggende kurs innen datateknologi fra bachelorgraden. Programmet inneholder avanserte emner innen algoritmer, sikkerhet, nettverk, distribuerte systemer, maskin læring og datautvinning.
Programmet tilbyr et mangfold av læringsaktiviteter og undervisningsformer, fra tradisjonelle forelesninger og øvelser, prosjektarbeid, selvstudium og laboratoriearbeid til introduksjon og praksis i bruk av moderne programvare. Vektleggingen av de enkelte undervisningsformene varierer mellom emnene.
Følgende fremgår av den enkelte emnebeskrivelse:
- Arbeids- og undervisningsformer
- Pensumlitteratur
- Evalueringsformer
- Vurderingsformer
FNs bærekraftmål
FNs bærekraftmål er verdens felles arbeidsplan for å utrydde fattigdom, bekjempe ulikhet og stoppe klimaendringene innen 2030.
Gjennom et studium i datateknologi får du kompetanse som kan bidra direkte i arbeidet med å nå målene for en bedre verden. IKT kan brukes for å hjelpe til med samtlige bærekraftmål.
For eksempel kan IKT systemer hjelpe å dokumentere, analysere og effektivisere bruk av resurser. For eksempel kan delingsøkonomien bidra til at biler og hus brukes av flere. Dette bidrar til bærekraftsmål 12 Ansvarlig forbruk og produksjon.
Nettkriminalitet, inkludert både svindel og identitetstyveri er en økende trussel. Med en master i datateknologi lærer du å designe sikre IT systemer. Dette bidrar til bærekraftsmål 16 Fred, rettferdighet og velfungerende institusjoner.
For FNs 9. bærekraftsmål Industri, infrastruktur og innovasjon, vil du i et datastudium lære hvordan IT-infrastrukturen bak dagens og morgendagens internett fungerer. I masteren i datateknologi vil du også lære om skyteknologi, trådløse nett og nettene til framtidas mobiltelefoner, 6G.
UiS legger vekt på å kunne tilby alle studier som planlagt, men må ta forbehold om tilstrekkelig med ressurser og/eller studenter til å gjennomføre tilbudet. Over tid vil det være naturlig at det faglige innholdet og tilbudet av emner endres på grunn av den generelle utviklingen i fagfelt, bruk av teknologi og endringer i samfunnet for øvrig.
Læringsutbytte
Etter fullført mastergrad i datateknologi skal kandidaten ha følgende samlede læringsutbytte, definert i form av kunnskap, ferdigheter og generell kompetanse:
Kunnskap
K1: Avansert kunnskap innen datateknologi inkludert sky-tjenester, sikkerhet, nettverk, distribuerte systemer, datautvinning og maskinlæring.
K2: Dyp kunnskap om fagområdets vitenskapelige teorier og metoder.
Ferdigheter
S1: Selvstendig bruke relevante metoder innen forskning og programvareutvikling.
S2: Analysere og forholde seg kritisk til ulike informasjonskilder og anvende disse for å strukturere og formulere faglige resonnementer innen datateknologi.
S3: Utføre et uavhengig, begrenset forsknings- eller utviklingsprosjekt under veiledning og i tråd med etablerte etiske normer for forskning.
S4: Utnytte kunnskap innen trådløs kommunikasjon, sensornettverk, distribuerte kommunikasjonssystemer. datautvinning og maskinlæring.
S5: Design, modeller, simuler og utvikler avanserte nettverksbaserte datasystemer med fokus på pålitelighet og sikkerhet.
Generell kompetanse
G1: Analysere relevante faglige, og undersøke etiske problemstillinger.
G2: Bruke tilegnet kunnskap og ferdigheter på nye områder for å fullføre komplekse oppgaver og prosjekter.
G3: Kommunisere helhetlig om eget arbeid og beherske fagområdets uttrykksform.
G4: Kommunisere om faglige problemstillinger, analyser og konklusjoner innenfor fagområdet, både med spesialister og med allmennheten.
Hva kan du bli?
Utviklere og forskere innen datateknikk er uunnværlige i nesten alle bransjer. Noen eksempler på virksomheter hvor de finner arbeid: IT-konsulentselskaper, bedrifter som utvikler ny teknologi, energiselskaper, virksomheter innen telekommunikasjon, sykehus og andre offentlige etater. Vi møter digital teknologi overalt, og forskere og utviklere innen datateknikk er avgjørende for å gjøre informasjonssamfunnet og digitaliseringen til en realitet.
Fullført mastergrad 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
Oppstartssemester:
-
Datateknologi - Velg spesialisering
-
Spesialisering Data Science
-
Obligatoriske emner
-
DATMAS: Masteroppgave i datateknologi
Fjerde år, semester 7
-
-
Velg 2 emner 7. semester
-
DAT530: Diskret simulering og ytelsesanalyse
Fjerde år, semester 7
-
DAT620: Prosjekt i datateknologi
Fjerde år, semester 7
-
STA530: Statistisk læring
Fjerde år, semester 7
-
-
-
Spesialisering Pålitelige og sikre systemer
-
Obligatoriske emner
-
DATMAS: Masteroppgave i datateknologi
Fjerde år, semester 7
-
-
Anbefalte valgemner 7. semester
-
DAT640: Informasjonsgjenfinning og tekstutvinning
Fjerde år, semester 7
-
ELE510: Bildebehandling og maskinsyn
Fjerde år, semester 7
-
-
Andre valgemner 7. semester
-
DAT620: Prosjekt i datateknologi
Fjerde år, semester 7
-
ELE510: Bildebehandling og maskinsyn
Fjerde år, semester 7
-
ELE680: Dype nevrale nett
Fjerde år, semester 7
-
-
-
-
Datateknologi - Velg spesialisering
-
Spesialisering Data Science
-
Obligatoriske emner
-
DAT500: Data-intensive systemer
Tredje år, semester 6
-
DATMAS: Masteroppgave i datateknologi
Fjerde år, semester 7
-
-
Velg ett emne 5. semester
-
DAT510: Sikkerhet og sårbarhet i nettverk
Tredje år, semester 5
-
DAT640: Informasjonsgjenfinning og tekstutvinning
Tredje år, semester 5
-
ELE510: Bildebehandling og maskinsyn
Tredje år, semester 5
-
-
Velg 2 emner 7. semester
-
DAT530: Diskret simulering og ytelsesanalyse
Fjerde år, semester 7
-
DAT620: Prosjekt i datateknologi
Fjerde år, semester 7
-
STA530: Statistisk læring
Fjerde år, semester 7
-
-
-
Spesialisering Pålitelige og sikre systemer
-
Obligatoriske emner
-
DAT530: Diskret simulering og ytelsesanalyse
Tredje år, semester 5
-
DATMAS: Masteroppgave i datateknologi
Fjerde år, semester 7
-
-
Velg ett emne 6. semester
-
DAT500: Data-intensive systemer
Tredje år, semester 6
-
ELE520: Maskinlæring
Tredje år, semester 6
-
-
Anbefalte valgemner 7. semester
-
DAT640: Informasjonsgjenfinning og tekstutvinning
Fjerde år, semester 7
-
ELE510: Bildebehandling og maskinsyn
Fjerde år, semester 7
-
-
Andre valgemner 7. semester
-
DAT620: Prosjekt i datateknologi
Fjerde år, semester 7
-
ELE510: Bildebehandling og maskinsyn
Fjerde år, semester 7
-
ELE680: Dype nevrale nett
Fjerde år, semester 7
-
-
-
-
Obligatoriske emner
-
DAT505: Etisk hacking
Andre år, semester 3
-
DAT610: Trådløs kommunikasjon
Andre år, semester 3
-
DAT600: Algoritmeteori
Andre år, semester 4
-
DAT550: Datautvinning og dyplæring
Tredje år, semester 6
-
DATMAS: Masteroppgave i datateknologi
Fjerde år, semester 7
-
-
5. eller 7. semester ved UiS eller utveksling
-
Emner ved UiS 5. og 7. semester
-
Anbefalte valgemner 5. og 7. semester ved UiS
-
DAT640: Informasjonsgjenfinning og tekstutvinning
Tredje år, semester 5
-
DAT650: Blokkjedeteknologier
Tredje år, semester 5
-
ELE510: Bildebehandling og maskinsyn
Tredje år, semester 5
-
-
Andre valgemner 5. og 7. semester ved UiS
-
DAT535: Data-intensive Systems and Engineering
Tredje år, semester 5
-
DAT620: Prosjekt i datateknologi
Tredje år, semester 5
-
ELE680: Dype nevrale nett
Tredje år, semester 5
-
-
-
Utveksling 5. eller 7. semester
-
Utveksling 5. eller 7. semester
-
-
-
Obligatoriske emner
-
DAT510: Sikkerhet og sårbarhet i nettverk
Første år, semester 1
-
DAT515: Nettskyteknologier
Første år, semester 1
-
DAT520: Distribuerte systemer
Første år, semester 2
-
DAT505: Etisk hacking
Andre år, semester 3
-
DAT610: Trådløs kommunikasjon
Andre år, semester 3
-
DAT600: Algoritmeteori
Andre år, semester 4
-
DAT550: Datautvinning og dyplæring
Tredje år, semester 6
-
DATMAS: Masteroppgave i datateknologi
Fjerde år, semester 7
-
-
5. eller 7. semester ved UiS eller utveksling
-
Emner ved UiS 5. og 7. semester
-
Velg ett emne
-
IND500: Investeringsanalyse
Tredje år, semester 5
-
IND510: Prosjektledelse
Tredje år, semester 5
-
-
Anbefalte valgemner 5. og 7. semester ved UiS
-
DAT530: Diskret simulering og ytelsesanalyse
Tredje år, semester 5
-
DAT535: Data-intensive Systems and Algorithms
Tredje år, semester 5
-
DAT640: Informasjonsgjenfinning og tekstutvinning
Tredje år, semester 5
-
DAT655: Blokkjedeteknologi og applikasjon
Tredje år, semester 5
-
-
Andre valgemner 5. og 7. semester ved UiS
-
DAT620: Prosjekt i datateknologi
Tredje år, semester 5
-
ELE510: Bildebehandling og maskinsyn
Tredje år, semester 5
-
ELE680: Dype nevrale nett
Tredje år, semester 5
-
STA510: Statistisk modellering og simulering
Tredje år, semester 5
-
-
-
Utveksling 5. eller 7. semester
-
Utveksling 5. eller 7. semester
-
-
