Licencjat w dziedzinie nauk o danych stosowanych (online i na terenie kampusu)
Noroff School of Technology and Digital Media
Klucz informacyjny
Lokalizacja kampusu
Kristiansand, Norwegia
Języki
Język angielski
Forma badania
Nauka na odległość, W kampusie
Czas trwania
3 years
Tempo
Pełny etat
Czesne
EUR 25 680 / per semester *
Termin składania wniosków
Poproś o informacje
Najwcześniejsza data rozpoczęcia
Poproś o informacje
* cena online: 4280 euro za semestr, 150 euro - opłata za wstęp; cena na terenie kampusu: 5730 euro za semestr, 150 euro - opłata za wstęp
Stypendia
Poznaj możliwości stypendialne, aby pomóc sfinansować swoje studia
Wstęp
Edukacja informatyczna koncentrująca się na rosnącym globalnym zapotrzebowaniu na analizę dużych zbiorów danych. Applied Data Science uczy naukowych metod pracy z danymi w praktyczny i odpowiedni sposób.
Eksplozja danych
Żyjemy w erze danych! Dane pochodzą zewsząd - posty na portalach społecznościowych, transakcje sprzedaży online, czujniki klimatu i ruchu, urządzenia z obsługą GPS, systemy telefonii komórkowej, sieci transportowe, systemy przemysłowe, służba zdrowia i Internet przedmiotów. Dane są generowane w coraz szybszym tempie zarówno przez ludzi, jak i maszyny. IBM szacuje, że każdego dnia generowanych jest 2,5 tryliona bajtów danych, przy czym 90% istniejących danych powstało tylko w ciągu ostatnich dwóch lat.
Rozwój Big Data i dostępność licznych, zróżnicowanych, specjalistycznych zestawów danych oznacza, że eksperci danych są potrzebni do pracy we wszystkich dziedzinach, w tym w nauce, przemyśle i administracji, w całym cyklu życia danych, od ich pozyskania, oczyszczenia i eksploracji do analizy, wizualizacji i komunikacji. To jest domena Data Scientist.
W trakcie studiów licencjackich studenci poznają podstawy teoretyczne wymagane do pracy w tej dziedzinie, a także praktyczne zastosowanie narzędzi i technik stosowanych w dziedzinie data science. Obejmuje to zarządzanie danymi, analitykę i wizualizację, tworzenie i wdrażanie oprogramowania, analizę matematyczną i statystyczną oraz sztuczną inteligencję i uczenie maszynowe.
Informacje o programie
Następne uruchomienie:
- 10 sierpnia 2020 r
Kampus:
- Kristiansand
- Studia online
Trwanie:
- 3 lata
Język programu:
- język angielski
Struktura programu
Pierwszy rok programu został zaprojektowany, aby rozwinąć szeroki zakres podstawowych umiejętności wymaganych przez naukowców zajmujących się danymi. Podczas tego roku studiów studenci będą rozwijać umiejętności programowania, matematyki, tworzenia sieci i zarządzania danymi, a także badania i zarządzanie projektami.
Podczas drugiego roku studiów studenci będą dalej rozwijać swoje umiejętności programowania i programowania. Zbadają także narzędzia i techniki statystyczne do analizy danych oraz technologie przechowywania danych NoSQL.
W ostatnim roku studenci zdobędą praktyczne doświadczenie w zakresie analizy dużych zbiorów danych i wizualizacji danych oraz opracują aplikacje wykorzystujące zasady uczenia maszynowego. W tym roku przewidziano także możliwość rozwoju praktycznej wiedzy specjalistycznej w danej dziedzinie, badając wymagania dotyczące danych w sektorach przemysłu naftowego i gazowego, inżynierii i technologii informacyjnych lub sektorach rządowych i opieki zdrowotnej związanych ze społeczeństwem.
Po ukończeniu studiów absolwenci będą mieli teoretyczne i praktyczne kompetencje wymagane do pracy w różnych branżach w ramach wielu rodzajów organizacji. Absolwenci zostaną również zakwalifikowani do dalszego rozwijania swojej wiedzy specjalistycznej poprzez dalsze studia.
Kursy
1 rok:
- Metody uczenia się i badania oparte na problemach
- Wprowadzenie do bezpieczeństwa informacji
- Profesjonalne aspekty informatyki
- Wprowadzenie do programowania
- Matematyka dyskretna
- Zasady sieciowe
- Programowanie i bazy danych
- Praca nad projektem studyjnym
Rok 2:
- Programowanie obiektowe
- Obsługiwane systemy plików
- Bazy danych NoSQL
- Narzędzia i techniki analizy statystycznej
- Profesjonalne tworzenie oprogramowania
- Algorytmy i struktury danych
- Praca nad projektem studyjnym
Rok 3:
- Projekt ostatniego roku
- Big Data Analytics
- Wizualizacja danych
- Nauczanie maszynowe
- Obieralny
- Obieralny
Electives:
- Inteligentne społeczeństwa Zdrowie, społeczeństwo i media
- Inteligentne technologie: informatyka, telekomunikacja i bezpieczeństwo cybernetyczne
- Inteligentne branże: ropa, gaz i inżynieria
- Przetwarzanie języka naturalnego
- Kryptografia i steganografia
- Zarządzanie incydentami
- Dalsza dyskretna matematyka
- Czysta matematyka dla komputerów
Wyniki nauki
Wiedza, umiejętności:
- Ma szeroką wiedzę na temat ważnych tematów, teorii, zasad i problemów związanych z nauką o danych, analityką dużych zbiorów danych i dziedzin pokrewnych, a także z powiązanymi procesami teoretycznymi i cyfrowymi, narzędziami i metodami badania problematycznych sytuacji opartych na danych.
- Zna bieżące prace badawczo-rozwojowe w dziedzinie analityki dużych zbiorów danych i analizy danych.
- Ma wiedzę na temat kluczowych zasad tworzenia oprogramowania i analizy danych, teorii, narzędzi i technik pracy z dużymi, heterogenicznymi zbiorami danych, jak stosować je w różnych dziedzinach i sytuacjach opartych na danych oraz jak oceniać ich skuteczność i wyniki uzyskane z ich aplikacji.
- Potrafi aktualizować swoją wiedzę z zakresu data science poprzez studia akademickie, badania i rozwój zawodowy.
- Ma wiedzę na temat historii i rozwoju analityki dużych zbiorów danych i nauki o danych, w tym podstawowych narzędzi, technik i technologii w dziedzinie data science oraz ich przeszłego i potencjalnego przyszłego wpływu na funkcjonowanie, zarządzanie, analizę i rozwój nauki, przemysł i społeczeństwo.
- Rozumie kwestie prawne i etyczne związane z pozyskiwaniem i analizowaniem dużych zbiorów danych oraz prezentowaniem wyników analizy dużych zbiorów danych interesariuszom.
- Ma wiedzę na temat stosowania zasad nauki o danych oraz narzędzi i technik statystycznych i analitycznych w złożonych dziedzinach naukowych, społecznych i przemysłowych.
Umiejętności:
- Potrafi zastosować wiedzę akademicką i teoretyczną na temat narzędzi i technik analizy danych, a także bieżące prace badawczo-rozwojowe, do praktycznych i teoretycznych problemów związanych z nauką danych, w celu podejmowania uzasadnionych, świadomych i uzasadnionych decyzji i wyborów.
- Potrafi zastanowić się nad własną praktyką akademicką i rozwojem zawodowym, zidentyfikować obszary wymagające poprawy i dostosować się do przyszłego rozwoju narzędzi, technik i technologii analizy danych i wizualizacji.
- Potrafi wyszukiwać, oceniać i odnosić się do odpowiednich informacji i tematów naukowych oraz przedstawiać je w sposób rzucający światło na problemy związane z danymi.
- Potrafi odpowiednio i skutecznie lokalizować, pozyskiwać, manipulować i analizować duże heterogeniczne zbiory danych przy użyciu odpowiednich technologii analizy danych i technik statystycznych.
- Potrafi wydobywać znaczenie i interpretować dane, korzystając z różnych narzędzi i metod matematycznych i uczenia maszynowego.
- Potrafi wybrać i wykorzystać podstawowe narzędzia i techniki cyfrowe do wizualizacji danych i wyników analizy dużych zbiorów danych w odpowiedni i profesjonalny sposób, aby opracować i przedstawić pouczające spostrzeżenia w problematycznych sytuacjach związanych z danymi.
- Potrafi krytycznie wybrać i zastosować szereg analitycznych i metodologicznych technik rozwiązywania problemów opartych na badaniach oraz być w stanie odpowiednio zinterpretować rozwiązania i przedstawić wyniki.
- Potrafi zidentyfikować interesariuszy projektów data science i odpowiednio komunikować się, tworzyć sieci i współpracować z tymi interesariuszami, zgodnie z wymaganiami projektu i potencjalnym wpływem wyników.
Kompetencje ogólne:
- Potrafi zidentyfikować i odpowiednio postępować w przypadku złożonych problemów etycznych pojawiających się w praktyce akademickiej i zawodowej jako Data Scientist.
- Potrafi planować, realizować i zarządzać różnorodnymi zadaniami i projektami związanymi z analizą danych w czasie, samodzielnie lub jako część grupy, do pomyślnego zakończenia i zgodnie z odpowiednimi wymogami i zasadami etycznymi.
- Potrafi skutecznie przekazywać wyniki teoretycznej, praktycznej i naukowej pracy naukowej za pomocą odpowiednich form komunikacji (elektronicznej, ustnej i / lub pisemnej) w celu przedstawienia teorii, argumentów, problemów i rozwiązań w odpowiedni, profesjonalny sposób.
- Potrafi komunikować się i wymieniać opiniami, pomysłami i innymi zagadnieniami, takimi jak teorie, problemy i rozwiązania, z innymi osobami posiadającymi doświadczenie i / lub doświadczenie w dziedzinie analizy danych i dziedzin pokrewnych, poprzez wybór i zastosowanie odpowiednich metod komunikacji, przyczyniając się tym samym do rozwoju dobrych praktyk w społeczności praktyków zajmujących się danymi.
- Potrafi zaangażować się w autorefleksję w ramach strategii uczenia się przez całe życie wymaganej od specjalisty ds. Danych i praktyka refleksyjnego.
- Zna aktualne i nowe myślenie oraz trendy w dziedzinie nauki o danych i powiązanych dyscyplin.
Możliwości zawodowe
Poszukiwana jest wiedza i umiejętności tego programu licencjackiego, ponieważ wiele wskaźników trendów sugeruje, że nauka o danych i problemy związane z „Big Data” będą miały coraz większe znaczenie dla wielu sektorów komercyjnych. Było to spowodowane w ostatnich latach rozwojem technologii i wszechobecnością danych. Pojawiające się inicjatywy związane z nowymi technologiami stosowanymi w inteligentnych miastach, Internecie przedmiotów i systemach cyberfizycznych wygenerują również ogromną ilość danych wymagających specjalistów w dziedzinie analizy danych. Istnieje pilna potrzeba absolwentów posiadających umiejętności w zakresie analizy danych na dużą skalę.
Według Abelii niepokojący jest deficyt osób o wysokich umiejętnościach technicznych w Norwegii. Odległość między potrzebami a dostępną wiedzą wynosi od 24 do 113 procent. Najlepszy scenariusz sugeruje, że do 2030 r. Jedno na cztery stanowiska ICT będzie wolne.
McKinsey szacuje, że w USA brakuje od 140 000 do 190 000 osób z doświadczeniem analitycznym oraz 1,5 miliona menedżerów i analityków posiadających umiejętności rozumienia i podejmowania decyzji na podstawie analizy dużych zbiorów danych. Szacuje się, że jest to 50-60% luka w zapotrzebowaniu na ekspertów analitycznych. Raport Królewskiego Towarzystwa Statystycznego w Wielkiej Brytanii podkreśla, że 80% organizacji ma już problemy ze znalezieniem zestawu umiejętności, aby zaspokoić rosnące zapotrzebowanie.
Większość dużych firm, które opierają się na technologiach informatycznych, potrzebuje ludzi z doświadczeniem w dziedzinie Data Science. Ten tytuł licencjata zapewnia zatem wyjątkowe kwalifikacje do radzenia sobie z wyzwaniami w różnych organizacjach i sektorach przemysłu.
Dalsze badania
Studenci, którzy chcą kontynuować szkolenie w zakresie nauki o danych, mogą ubiegać się o studia magisterskie związane z informatyką, analityką danych lub nauką o danych w różnych instytucjach szkolnictwa wyższego, zarówno w Norwegii, jak i za granicą. Absolwenci, którzy chcieliby odbyć studia doktoranckie, mogliby wówczas ubiegać się o takie możliwości studiowania w Norwegii lub poza nią.
O szkole
pytania
Podobne kursy
Licencjat z inżynierii w uczeniu maszynowym i inżynierii danych
- Rovaniemi, Finlandia
Licencjat stosowany w inżynierii danych i chmur
- Biot, Francja
- Paris, Francja + 1 jeszcze
Data Analytics (Minor)
- Binghamton, Stany Zjednoczone