Bachelor in de toegepaste gegevenswetenschap (online en op de campus)
Noroff School of Technology and Digital Media
Belangrijke informatie
Campuslocatie
Kristiansand, Noorwegen
Talen
Engels
Studieformaat
Afstand leren, Op de campus
Duur
3 jaar
Tempo
Full time
Collegegeld
EUR 25.680 / per semester *
Deadline voor aanmelding
Informatie aanvragen
Eerste startdatum
Informatie aanvragen
* prijs online: 4.280 Euro per semester, 150 Euro - toegangsprijs; prijs op de campus: 5.730 Euro per semester, 150 Euro - toegangsprijs
Beurzen
Ontdek mogelijkheden voor beurzen om je studie te financieren
Invoering
IT-educatie gericht op de groeiende wereldwijde behoefte aan big data-analyse. Applied Data Science leert je wetenschappelijke methoden om op een praktische en relevante manier met gegevens te werken.
De data-explosie
We leven in het datatijdperk! Gegevens komen overal vandaan: berichten op sociale mediasites, online verkooptransacties, klimaat- en verkeerssensoren, gps-apparaten, gsm-systemen, transportnetwerken, industriesystemen, gezondheidszorg en het internet der dingen. Gegevens worden in een constant versneld tempo gegenereerd door zowel mensen als machines. IBM schat dat elke dag 2,5 quintillion bytes aan data wordt gegenereerd, waarbij 90% van de bestaande data alleen al in de afgelopen twee jaar is gecreëerd.
De opkomst van Big Data en de beschikbaarheid van talloze, diverse gespecialiseerde datasets betekent dat data-experts nodig zijn om in alle vakgebieden te werken, inclusief wetenschap, industrie en overheid, en gedurende de hele data-levenscyclus, van acquisitie, opschoning en verkenning tot analyse, visualisatie en communicatie. Dit is het domein van de Data Scientist.
Tijdens de bacheloropleiding leren studenten de theoretische grondslagen die nodig zijn om in dit domein te werken, evenals de praktische toepassing van tools en technieken die worden gebruikt in het veld van datawetenschap. Dit omvat gegevensbeheer, analyse en visualisatie, softwareontwikkeling en -implementatie, wiskundige en statistische analyse, en kunstmatige intelligentie en machine learning.
Programma-informatie
Volgende opstart:
- 10 augustus 2020
campus:
- Kristiansand
- Online studies
Looptijd:
- 3 jaar
Programmataal:
- Engels
Programmastructuur
Het eerste jaar van het programma is ontworpen om een breed scala aan basisvaardigheden te ontwikkelen die vereist zijn voor datawetenschappers. Tijdens dit studiejaar ontwikkelen studenten naast onderzoek en projectmanagement vaardigheden op het gebied van programmeren, wiskunde, netwerken en gegevensbeheer.
Tijdens het tweede studiejaar zullen studenten hun vaardigheden op het gebied van programmeren en softwareontwikkeling verder ontwikkelen. Ze zullen ook statistische hulpmiddelen en technieken voor gegevensanalyse onderzoeken en NoSQL-gegevensopslagtechnologieën verkennen.
In hun laatste jaar zullen studenten praktische ervaring opdoen in big data-analyse en datavisualisatie en toepassingen ontwikkelen met behulp van machine learning-principes. Dit jaar biedt ook de mogelijkheid om domeinspecifieke praktische expertise te ontwikkelen, waarbij de gegevensvereisten worden onderzocht van de industriële sectoren Olie en Gas, Engineering en Informatietechnologie of maatschappelijke sectoren van de overheid en de gezondheidszorg.
Na het afronden van de opleiding beschikken afgestudeerden over de theoretische en praktische competentie die nodig is om in verschillende bedrijfstakken binnen tal van organisaties te werken. Afgestudeerden zullen ook gekwalificeerd zijn om hun expertise te blijven ontwikkelen door verder onderzoek.
cursussen
Jaar 1:
- Probleemgebaseerd leren en onderzoeksmethoden
- Inleiding tot informatiebeveiliging
- Professionele aspecten van computing
- Inleiding tot programmeren
- Discrete wiskunde
- Netwerkprincipes
- Programmering en databases
- Studio project werk
Jaar 2:
- Object georiënteerd programmeren
- Besturingssystemen
- NoSQL-databases
- Hulpmiddelen en technieken voor statistische analyse
- Professionele softwareontwikkeling
- Algoritmen en datastructuren
- Studio project werk
Jaar 3:
- Final Year Project
- Big Data Analytics
- Gegevensvisualisatie
- Machine Learning
- electieve
- electieve
keuzevakken:
- Slimme verenigingen Gezondheid, maatschappij en media
- Slimme technologieën: computers, telecommunicatie en cyberbeveiliging
- Smart Industries: olie, gas en engineering
- Natuurlijke taalverwerking
- Cryptografie en steganografie
- Probleembehandeling
- Verdere discrete wiskunde
- Pure wiskunde voor computers
Leerresultaten
Kennis:
- Heeft een brede kennis van de belangrijke onderwerpen, theorieën, principes en vraagstukken op het gebied van data science, big data analytics en aanverwante vakgebieden, en de bijbehorende theoretische en digitale processen, tools en methoden voor het onderzoeken van datagedreven problematische situaties.
- Is bekend met het huidige onderzoeks- en ontwikkelingswerk op het gebied van big data-analyse en data science.
- Heeft kennis van de belangrijkste principes, theorieën, tools en technieken voor softwareontwikkeling en data-analyse voor het werken met grote heterogene datasets, hoe deze toe te passen in een verscheidenheid aan datagestuurde domeinen en situaties, en hoe ze hun doeltreffendheid en de resultaten kunnen evalueren verkregen uit hun aanvraag.
- Kan zijn / haar kennis op het gebied van data science actualiseren door middel van academische studie, onderzoek en professionele ontwikkeling.
- Heeft kennis van de geschiedenis en ontwikkeling van big data-analyse en datawetenschap, inclusief de belangrijkste tools, technieken en technologieën op het gebied van datawetenschap, en hun vroegere en mogelijke toekomstige impact op de functie, het beheer, de analyse en de ontwikkeling van de wetenschap, industrie en samenleving.
- Begrijpt de juridische en ethische kwesties met betrekking tot het verkrijgen en analyseren van big data, en het presenteren van de resultaten van big data-analyse aan belanghebbenden.
- Heeft kennis van het toepassen van data science-principes en statistische en analytische tools en technieken binnen complexe wetenschappelijke, maatschappelijke en industriële velden.
Vaardigheden:
- Kan academische en theoretische kennis van gegevensanalysetools en -technieken, plus huidig onderzoek en ontwikkeling, toepassen op praktische en theoretische gegevenswetenschapsproblemen, om gefundeerde, geïnformeerde en gerechtvaardigde beslissingen en keuzes te maken.
- Kan reflecteren op de eigen academische praktijk en professionele ontwikkeling, verbeterpunten identificeren en zich aanpassen aan toekomstige ontwikkelingen op het gebied van data-analyse en visualisatietools, -technieken en -technologie.
- Is in staat om relevante informatie en wetenschappelijke onderwerpen te vinden, te evalueren en ernaar te verwijzen en deze op een manier te presenteren die licht werpt op datagestuurde problemen.
- Kan op gepaste en effectieve wijze grote heterogene datasets lokaliseren, aanschaffen, manipuleren en analyseren met behulp van geschikte data-analysetechnologieën en statistische technieken.
- Is in staat om betekenis uit data te halen en te interpreteren, met behulp van een verscheidenheid aan wiskundige en machine learning tools en methoden.
- Kan de primaire digitale tools en technieken selecteren en gebruiken voor het visualiseren van data en de resultaten van big data-analyse op een gepaste en professionele manier, om informatieve inzichten te ontwikkelen en te presenteren in datagestuurde probleemsituaties.
- Kan een reeks analytische en methodologische probleemoplossende technieken kritisch selecteren en toepassen, op basis van onderzoek, en de oplossingen kunnen interpreteren en de resultaten op de juiste manier presenteren.
- Is in staat belanghebbenden van data science-projecten te identificeren en op de juiste manier met deze belanghebbenden te communiceren, netwerken en samen te werken in overeenstemming met de projectvereisten en de mogelijke impact van de resultaten.
Algemene competentie:
- Kan complexe ethische kwesties die zich voordoen binnen de academische en professionele praktijk als Data Scientist identificeren en er adequaat op reageren.
- Is in staat om in de loop van de tijd verschillende opdrachten en gegevenswetenschappelijke projecten te plannen, uit te voeren en te beheren, alleen of als onderdeel van een groep, tot een succesvol einde en in overeenstemming met relevante ethische vereisten en principes.
- Kan de resultaten van theoretisch, praktisch en op onderzoek gebaseerd academisch werk effectief communiceren met behulp van geschikte vormen van communicatie (elektronisch, mondeling en / of schriftelijk) om theorieën, argumenten, problemen en oplossingen op een gepaste, professionele manier te presenteren.
- Kan meningen, ideeën en andere onderwerpen zoals theorieën, problemen en oplossingen communiceren en uitwisselen, met anderen met achtergrond en / of ervaring op het gebied van gegevenswetenschap en aanverwante gebieden, door de selectie en toepassing van geschikte communicatiemethoden, waardoor wordt bijgedragen aan de ontwikkeling van goede praktijk binnen de praktijk van data science.
- Is in staat tot zelfreflectie als onderdeel van de strategie voor levenslang leren die vereist is van een data science-professional en een reflectieve beoefenaar.
- Is bekend met het huidige en nieuwe denken en trends op het gebied van data science en aanverwante disciplines.
Carrièremogelijkheden
De expertise en vaardigheden van dit bachelorprogramma worden gezocht, omdat veel trendindicatoren suggereren dat Data Science en 'Big Data' gerelateerde problemen van steeds groter belang zullen zijn voor veel commerciële sectoren. Dit is de afgelopen jaren ingegeven door technologische ontwikkelingen en de alomtegenwoordigheid van gegevens. De opkomende initiatieven met betrekking tot nieuwe technologieën die worden gebruikt in Smart Cities, Internet of Things en Cyber-Physical Systems zullen ook een enorme hoeveelheid gegevens genereren waarvoor specialisten op het gebied van gegevenswetenschap nodig zijn. Er is dringend behoefte aan afgestudeerden die bekwaam zijn in grootschalige data-analyse.
Volgens Abelia is er een zorgwekkend tekort aan mensen met sterke technische vaardigheden in Noorwegen. De afstand tussen behoeften en beschikbare expertise varieert van 24 tot 113 procent. Het beste scenario suggereert dat tegen 2030 een op de vier ICT-functies vacant zal zijn.
McKinsey schat dat de VS een tekort heeft van 140.000 tot 190.000 mensen met analytische expertise en 1,5 miljoen managers en analisten met de vaardigheden om de analyse van big data te begrijpen en beslissingen te nemen. Dit wordt geschat als een verschil van 50-60% in de vraag naar analytische experts. Een rapport van de Royal Statistical Society in het VK heeft aangetoond dat 80% van de organisaties al problemen heeft met het vinden van de vaardigheden om aan de toenemende vraag te voldoen.
De meeste grote bedrijven die afhankelijk zijn van informatietechnologie hebben behoefte aan mensen met expertise in Data Science. Deze bachelordiploma biedt daarom een unieke kwalificatie voor het omgaan met uitdagingen in verschillende organisaties en bedrijfstakken.
Verdere studies
Studenten die verdere training in Data Science wensen, kunnen een aanvraag indienen voor masterstudies met betrekking tot informatica, data-analyse of data science bij een verscheidenheid aan instellingen voor hoger onderwijs, zowel in Noorwegen als internationaal. Afgestudeerden die een doctoraatsstudie willen volgen, kunnen dan dergelijke studiemogelijkheden in Noorwegen of daarbuiten aanvragen.
Over de school
Vragen
Vergelijkbare cursussen
Bachelor in de ingenieurswetenschappen: machine learning en data-engineering
- Rovaniemi, Finland
Bachelor in Toegepaste Data Science en Kunstmatige Intelligentie
- Breda, Nederlanden
Toegepaste Bachelor in Data en Cloud Engineering
- Biot, Frankrijk
- Paris, Frankrijk + 1 meer