Bachelor στην Εφαρμοσμένη Επιστήμη Δεδομένων (Online και On-Campus)

Η εκπαίδευση στην πληροφορική επικεντρώνεται στην αυξανόμενη παγκόσμια ανάγκη για μεγάλη ανάλυση δεδομένων. Η Εφαρμοσμένη Επιστήμη Δεδομένων σας διδάσκει επιστημονικές μεθόδους εργασίας με δεδομένα με πρακτικό και σχετικό τρόπο.

Η Έκρηξη Δεδομένων

Ζούμε στην εποχή των δεδομένων! Τα δεδομένα προέρχονται από παντού - δημοσιεύσεις σε ιστότοπους κοινωνικών μέσων, διαδικτυακές συναλλαγές πωλήσεων, αισθητήρες κλίματος και κίνησης, συσκευές με δυνατότητα GPS, συστήματα κινητών τηλεφώνων, δίκτυα μεταφορών, βιομηχανικά συστήματα, υγειονομική περίθαλψη και το Διαδίκτυο των πραγμάτων. Τα δεδομένα δημιουργούνται με συνεχώς επιταχυνόμενο ρυθμό τόσο από ανθρώπους όσο και από μηχανές. Η IBM εκτιμά ότι δημιουργούνται καθημερινά 2,5 quintillion byte δεδομένων, με το 90% των υπαρχόντων δεδομένων να έχουν δημιουργηθεί μόνο τα τελευταία δύο χρόνια.

Η άνοδος των Big Data και η διαθεσιμότητα πολλών, διαφορετικών εξειδικευμένων συνόλων δεδομένων σημαίνει ότι χρειάζονται ειδικοί δεδομένων για να εργαστούν σε όλους τους τομείς θεμάτων, συμπεριλαμβανομένης της επιστήμης, της βιομηχανίας και της κυβέρνησης, που εργάζονται σε ολόκληρο τον κύκλο ζωής των δεδομένων, από την απόκτηση, τον καθαρισμό και την εξερεύνηση στην ανάλυση, την οπτικοποίηση και την επικοινωνία. Αυτός είναι ο τομέας του Data Scientist.

Καθ 'όλη τη διάρκεια του προγράμματος bachelor, οι μαθητές θα μάθουν τα θεωρητικά θεμέλια που απαιτούνται για την εργασία σε αυτόν τον τομέα καθώς και την πρακτική εφαρμογή εργαλείων και τεχνικών που χρησιμοποιούνται στον τομέα της επιστήμης των δεδομένων. Αυτό περιλαμβάνει διαχείριση δεδομένων, ανάλυση και οπτικοποίηση, ανάπτυξη και ανάπτυξη λογισμικού, μαθηματική και στατιστική ανάλυση και τεχνητή νοημοσύνη και μηχανική μάθηση.

Πληροφορίες προγράμματος

Επόμενη εκκίνηση:

• 10 Αυγούστου 2020

Πανεπιστημιούπολη:

• Kristiansand
• Ηλεκτρονικές μελέτες

Διάρκεια:

• 3 χρόνια

Γλώσσα προγράμματος:

• Αγγλικά

Δομή προγράμματος

Το πρώτο έτος του προγράμματος έχει σχεδιαστεί για να αναπτύξει ένα εύρος των δεξιοτήτων ίδρυσης που απαιτούνται από τους επιστήμονες δεδομένων. Κατά τη διάρκεια αυτού του έτους σπουδών, οι μαθητές θα αναπτύξουν δεξιότητες προγραμματισμού, μαθηματικών, δικτύωσης και διαχείρισης δεδομένων παράλληλα με την έρευνα και τη διαχείριση έργων.

Κατά τη διάρκεια του δεύτερου έτους σπουδών, οι μαθητές θα αναπτύξουν περαιτέρω τις δεξιότητες προγραμματισμού και ανάπτυξης λογισμικού. Θα διερευνήσουν επίσης στατιστικά εργαλεία και τεχνικές για την ανάλυση δεδομένων και θα διερευνήσουν τις τεχνολογίες αποθήκευσης δεδομένων NoSQL.

Στο τελευταίο έτος, οι φοιτητές θα αποκτήσουν πρακτική εμπειρία σε μεγάλες αναλύσεις δεδομένων και οπτικοποίηση δεδομένων και θα αναπτύξουν εφαρμογές χρησιμοποιώντας αρχές μηχανικής μάθησης. Αυτό το έτος περιλαμβάνει επίσης την ευκαιρία να αναπτυχθεί πρακτική εξειδίκευση σε συγκεκριμένο τομέα, διερευνώντας τις απαιτήσεις δεδομένων των βιομηχανικών τομέων πετρελαίου και φυσικού αερίου, της τεχνολογίας και της πληροφορικής ή των κοινωνικών τομέων της κυβέρνησης και της υγειονομικής περίθαλψης.

Μετά την ολοκλήρωση του πτυχίου, οι απόφοιτοι θα έχουν τις θεωρητικές και πρακτικές ικανότητες που απαιτούνται για να εργαστούν σε διάφορες βιομηχανίες μέσα σε πολυάριθμους τύπους οργανισμών. Οι απόφοιτοι θα έχουν επίσης τα προσόντα να συνεχίσουν να αναπτύσσουν την εμπειρία τους μέσω περαιτέρω μελέτης.

ΚΥΚΛΟΣ ΜΑΘΗΜΑΤΩΝ

Έτος 1:

• Μέθοδοι μάθησης με βάση προβλήματα και μεθοδολογίες έρευνας
• Εισαγωγή στην Ασφάλεια Πληροφοριών
• Επαγγελματικές πτυχές της πληροφορικής
• Εισαγωγή στον προγραμματισμό
• Διακριτά Μαθηματικά
• Αρχές Δικτύου
• Προγραμματισμός και βάσεις δεδομένων
• Studio έργα του έργου

Έτος 2:

• Αντικειμενοστραφής προγραμματισμός
• Λειτουργικά συστήματα αρχείων
• Βάσεις δεδομένων NoSQL
• Εργαλεία και τεχνικές στατιστικής ανάλυσης
• Επαγγελματική Ανάπτυξη Λογισμικού
• Αλγόριθμοι και Δομές Δεδομένων
• Studio έργα του έργου

Έτος 3:

• Έργο Τελικού Έτους
• Μεγάλο Analytics δεδομένων
• Οπτικοποίηση δεδομένων
• Εκμάθηση μηχανών
• Αιρετός
• Αιρετός

Επιλογές:

• Έξυπνες κοινωνίες Υγεία, κοινωνία και μέσα ενημέρωσης
• Έξυπνες τεχνολογίες: Πληροφορική, Τηλεπικοινωνίες και Ασφάλεια στον κυβερνοχώρο
• Έξυπνες βιομηχανίες: Πετρέλαιο, φυσικό αέριο και μηχανική
• Επεξεργασία φυσικής γλώσσας
• Κρυπτογραφία και Στεγανογραφία
• Διαχείριση περιστατικών
• Περαιτέρω Διακριτά Μαθηματικά
• Καθαρά Μαθηματικά για Πληροφορική

Μαθησιακά αποτελέσματα

Η γνώση:

• Διαθέτει ευρεία γνώση των σημαντικών θεμάτων, θεωριών, αρχών και ζητημάτων στην επιστήμη των δεδομένων, στα μεγάλα αναλυτικά δεδομένα και σε συναφή πεδία και στις σχετικές θεωρητικές και ψηφιακές διαδικασίες, εργαλεία και μεθόδους για τη διερεύνηση προβληματικών καταστάσεων που βασίζονται σε δεδομένα.
• Είναι εξοικειωμένος με τις τρέχουσες εργασίες έρευνας και ανάπτυξης στον τομέα της μεγάλης ανάλυσης δεδομένων και της επιστήμης των δεδομένων.
• Έχει γνώση των βασικών αρχών ανάπτυξης λογισμικού και ανάλυσης δεδομένων, θεωρίες, εργαλεία και τεχνικές εργασίας με μεγάλα ετερογενή σύνολα δεδομένων, πώς να τα εφαρμόσει σε μια ποικιλία τομέων και καταστάσεων βάσει δεδομένων και πώς να αξιολογήσει την αποτελεσματικότητά τους και τα αποτελέσματα από την αίτησή τους.
• Μπορεί να ενημερώσει τις γνώσεις του στον τομέα της επιστήμης δεδομένων μέσω ακαδημαϊκής μελέτης, έρευνας και επαγγελματικής ανάπτυξης.
• Έχει γνώση της ιστορίας και της ανάπτυξης των μεγάλων αναλυτικών δεδομένων και της επιστήμης των δεδομένων, συμπεριλαμβανομένων των κύριων εργαλείων, τεχνικών και τεχνολογιών στον τομέα της επιστήμης δεδομένων, και του παρελθόντος και του ενδεχόμενου μελλοντικού τους αντίκτυπου στη λειτουργία, διαχείριση, ανάλυση και ανάπτυξη της επιστήμης, βιομηχανία και κοινωνία.
• Κατανοεί τα νομικά και ηθικά ζητήματα που σχετίζονται με τη λήψη και ανάλυση μεγάλων δεδομένων και την παρουσίαση των αποτελεσμάτων της μεγάλης ανάλυσης δεδομένων στους ενδιαφερόμενους.
• Έχει γνώση της εφαρμογής αρχών επιστήμης δεδομένων, καθώς και στατιστικών και αναλυτικών εργαλείων και τεχνικών, σε περίπλοκους επιστημονικούς, κοινωνικούς και βιομηχανικούς τομείς.

Δεξιότητες:

• Μπορεί να εφαρμόσει ακαδημαϊκές και θεωρητικές γνώσεις σχετικά με τα εργαλεία και τις τεχνικές ανάλυσης δεδομένων, συν τα τρέχοντα ερευνητικά και αναπτυξιακά έργα, σε πρακτικά και θεωρητικά προβλήματα επιστήμης δεδομένων, προκειμένου να λάβει βάσιμες, ενημερωμένες και δικαιολογημένες αποφάσεις και επιλογές.
• Μπορεί να προβληματιστεί για τη δική του ακαδημαϊκή πρακτική και επαγγελματική ανάπτυξη, να εντοπίσει τομείς βελτίωσης και να προσαρμοστεί στις μελλοντικές εξελίξεις στα εργαλεία ανάλυσης δεδομένων και οπτικοποίησης, τεχνικές και τεχνολογία.
• Είναι σε θέση να βρει, να αξιολογήσει και να αναφερθεί σε σχετικές πληροφορίες και επιστημονικά θέματα και να το παρουσιάσει με τρόπο που ρίχνει φως στα προβλήματα που βασίζονται σε δεδομένα.
• Μπορεί κατάλληλα και αποτελεσματικά να εντοπίσει, να προμηθεύσει, να χειριστεί και να αναλύσει μεγάλα ετερογενή σύνολα δεδομένων χρησιμοποιώντας κατάλληλες τεχνολογίες ανάλυσης δεδομένων και στατιστικές τεχνικές.
• Είναι σε θέση να εξάγει το νόημα και να ερμηνεύει τα δεδομένα, χρησιμοποιώντας μια ποικιλία μαθηματικών και μηχανικών εργαλείων και μεθόδων μάθησης.
• Μπορεί να επιλέξει και να χρησιμοποιήσει τα κύρια ψηφιακά εργαλεία και τεχνικές για την οπτικοποίηση των δεδομένων και των αποτελεσμάτων των μεγάλων αναλυτικών δεδομένων με κατάλληλο και επαγγελματικό τρόπο, προκειμένου να αναπτύξει και να παρουσιάσει ενημερωτικές πληροφορίες για προβληματικές καταστάσεις που βασίζονται σε δεδομένα.
• Μπορεί να επιλέξει και να εφαρμόσει με κριτικό πνεύμα μια σειρά αναλυτικών και μεθοδολογικών τεχνικών επίλυσης προβλημάτων, με βάση την έρευνα, και να μπορέσει να ερμηνεύσει τις λύσεις και να παρουσιάσει κατάλληλα τα αποτελέσματα.
• Είναι σε θέση να αναγνωρίσει τους ενδιαφερόμενους φορείς των έργων επιστήμης δεδομένων και να επικοινωνήσει, να δικτυώσει και να συνεργαστεί με αυτούς τους ενδιαφερόμενους φορείς ανάλογα με τις απαιτήσεις του έργου και τις πιθανές επιπτώσεις των αποτελεσμάτων.

Γενική αρμοδιότητα:

• Είναι σε θέση να προσδιορίσει και να ενεργήσει καταλλήλως σε πολύπλοκα ηθικά ζητήματα που προκύπτουν στο πλαίσιο της ακαδημαϊκής και επαγγελματικής πρακτικής ως Data Scientist.
• Είναι σε θέση να προγραμματίσει, να εκτελέσει και να διαχειριστεί μια ποικιλία εργασιών και σχετικών με την επιστήμη των δεδομένων δεδομένων με την πάροδο του χρόνου, μόνος ή ως μέρος μιας ομάδας, με επιτυχία και σύμφωνα με τις σχετικές δεοντολογικές απαιτήσεις και αρχές.
• Μπορεί να κοινοποιήσει αποτελεσματικά τα αποτελέσματα της θεωρητικής, πρακτικής και ερευνητικής ακαδημαϊκής εργασίας χρησιμοποιώντας κατάλληλες μορφές επικοινωνίας (ηλεκτρονικά, προφορικά ή / και γραπτά) προκειμένου να παρουσιάσει θεωρίες, επιχειρήματα, προβλήματα και λύσεις με κατάλληλο, επαγγελματικό τρόπο.
• Μπορεί να επικοινωνεί και να ανταλλάσσει απόψεις, ιδέες και άλλα θέματα, όπως θεωρίες, προβλήματα και λύσεις, με άλλους με ιστορικό ή / και εμπειρία στην επιστήμη των δεδομένων και συναφείς τομείς, μέσω της επιλογής και της εφαρμογής κατάλληλων μεθόδων επικοινωνίας, συμβάλλοντας έτσι στην ανάπτυξη της ορθής πρακτικής στο πλαίσιο της κοινότητας της επιστήμης των δεδομένων.
• Είναι σε θέση να εμπλακεί σε αυτό-προβληματισμό ως μέρος της στρατηγικής διά βίου μάθησης που απαιτείται από έναν επαγγελματία επιστήμης των δεδομένων και έναν αντανακλαστικό επαγγελματία.
• Είναι εξοικειωμένος με τις τρέχουσες και νέες σκέψεις και τις τάσεις στο πεδίο της επιστήμης των δεδομένων και των συναφών επιστημονικών κλάδων.

Ευκαιρίες καριέρας

Η τεχνογνωσία και οι δεξιότητες αυτού του προγράμματος σπουδών αναζητούνται αφού πολλοί δείκτες τάσης υποδηλώνουν ότι η Data Science και τα προβλήματα που σχετίζονται με τα «μεγάλα δεδομένα» θα έχουν ολοένα και μεγαλύτερη σημασία σε πολλούς εμπορικούς τομείς. Αυτό έχει οδηγήσει τα τελευταία χρόνια από τις εξελίξεις στην τεχνολογία και την πανταχού παρούσα κατάσταση των δεδομένων. Οι αναδυόμενες πρωτοβουλίες που σχετίζονται με τις νέες τεχνολογίες που χρησιμοποιούνται στις έξυπνες πόλεις, το Διαδίκτυο των πραγμάτων και τα συστήματα κυψελοειδών συστημάτων θα παράγουν επίσης ένα τεράστιο όγκο δεδομένων που θα απαιτούν ειδικούς επιστημόνων δεδομένων. Υπάρχει επείγουσα ανάγκη για πτυχιούχους που είναι ειδικευμένοι στην ανάλυση δεδομένων μεγάλης κλίμακας.

Σύμφωνα με την Abelia, υπάρχει ανησυχητικό έλλειμμα ατόμων με ισχυρές τεχνικές δεξιότητες στη Νορβηγία. Η απόσταση μεταξύ των αναγκών και της διαθέσιμης εμπειρογνωμοσύνης κυμαίνεται από 24 έως 113 τοις εκατό. Το βέλτιστο σενάριο δείχνει ότι μέχρι το 2030, μία στις τέσσερις θέσεις ΤΠΕ θα είναι κενή.

Ο McKinsey εκτιμά ότι οι ΗΠΑ έχουν έλλειμμα από 140.000 έως 190.000 άτομα με αναλυτική εμπειρογνωμοσύνη και 1,5 εκατομμύρια διευθυντές και αναλυτές με τις δεξιότητες να κατανοούν και να λαμβάνουν αποφάσεις με βάση την ανάλυση μεγάλων δεδομένων. Αυτό εκτιμάται ως κενό 50-60% στη ζήτηση για αναλυτικούς εμπειρογνώμονες. Μια έκθεση της Βασιλικής Στατιστικής Εταιρείας στο Ηνωμένο Βασίλειο τόνισε ότι το 80% των οργανισμών έχουν ήδη προβλήματα με την εξεύρεση δεξιοτήτων για την κάλυψη της αυξανόμενης ζήτησης.

Οι περισσότερες μεγάλες επιχειρήσεις που βασίζονται στην τεχνολογία των πληροφοριών έχουν την ανάγκη για άτομα με εξειδίκευση στην Επιστήμη Δεδομένων. Αυτό το πτυχίο, λοιπόν, παρέχει ένα μοναδικό προσόν για την αντιμετώπιση προκλήσεων σε διάφορους οργανισμούς και κλάδους της βιομηχανίας.

Περαιτέρω σπουδές

Οι μαθητές που επιθυμούν περαιτέρω κατάρτιση στην Επιστήμη Δεδομένων μπορούν να υποβάλουν αίτηση για μεταπτυχιακές σπουδές που σχετίζονται με την πληροφορική, την ανάλυση δεδομένων ή την επιστήμη δεδομένων σε μια ποικιλία ιδρυμάτων τριτοβάθμιας εκπαίδευσης τόσο στη Νορβηγία όσο και διεθνώς. Οι απόφοιτοι που επιθυμούν να παρακολουθήσουν διδακτορικές σπουδές θα μπορούν τότε να υποβάλουν αίτηση για τέτοιες ευκαιρίες σπουδών στη Νορβηγία ή πέραν αυτής.