Bachelor in Angewandter Datenwissenschaft (Online und On-Campus)
Noroff School of Technology and Digital Media
Schlüsselinformation
Campus-Standort
Kristiansand, Norwegen
Sprachen
Englisch
Studienformat
Fernunterricht, Auf dem Campus
Dauer
3 Jahre
Tempo
Vollzeit
Studiengebühren
EUR 25.680 / per semester *
Bewerbungsschluss
Infos anfordern
frühestes Startdatum
Infos anfordern
* Preis online: 4.280 Euro pro Semester, 150 Euro - Aufnahmegebühr; Preis vor Ort: 5.730 Euro pro Semester, 150 Euro - Aufnahmegebühr
Stipendien
Erkunden Sie Stipendienmöglichkeiten, um Ihr Studium zu finanzieren
Einführung
IT-Ausbildung mit Schwerpunkt auf dem wachsenden globalen Bedarf an Big-Data-Analytics. Applied Data Science bringt Ihnen wissenschaftliche Methoden bei, um mit Daten auf praktische und relevante Weise zu arbeiten.
Die Datenexplosion
Wir leben im Datenzeitalter! Daten kommen von überall her - von Posts auf Social Media-Websites, Online-Verkaufstransaktionen, Klima- und Verkehrssensoren, GPS-fähigen Geräten, Mobiltelefonsystemen, Transportnetzen, Industriesystemen, Gesundheitswesen und dem Internet der Dinge. Daten werden von Mensch und Maschine immer schneller generiert. IBM schätzt, dass täglich 2,5 Billionen Byte Daten generiert werden, wobei 90% der vorhandenen Daten allein in den letzten zwei Jahren erstellt wurden.
Der Aufstieg von Big Data und die Verfügbarkeit zahlreicher, vielfältiger spezialisierter Datensätze bedeuten, dass Datenexperten benötigt werden, um über alle Themenbereiche hinweg, einschließlich Wissenschaft, Industrie und Regierung, über den gesamten Datenlebenszyklus von der Erfassung, Bereinigung und Exploration hinweg zu arbeiten zur Analyse, Visualisierung und Kommunikation. Dies ist die Domäne des Data Scientist.
Während des gesamten Bachelor-Studiengangs lernen die Studierenden die theoretischen Grundlagen, die für die Arbeit in diesem Bereich erforderlich sind, sowie die praktische Anwendung der im Bereich der Datenwissenschaft verwendeten Werkzeuge und Techniken. Dies umfasst Datenmanagement, Analyse und Visualisierung, Softwareentwicklung und -bereitstellung, mathematische und statistische Analyse sowie künstliche Intelligenz und maschinelles Lernen.
Programminformationen
Nächster Start:
- 10. August 2020
Campus:
- Kristiansand
- Online-Studien
Dauer:
- 3 Jahre
Programmsprache:
- Englisch
Programmstruktur
Das erste Jahr des Programms ist darauf ausgerichtet, eine breite Palette von Grundfertigkeiten zu entwickeln, die von Datenwissenschaftlern gefordert werden. Während dieses Studienjahres werden die Studierenden neben Forschungs- und Projektmanagementfähigkeiten auch Programmier-, Mathematik-, Netzwerk- und Datenmanagementfähigkeiten entwickeln.
Während des zweiten Studienjahres werden die Studenten ihre Programmier- und Softwareentwicklungsfähigkeiten weiterentwickeln. Sie werden auch statistische Tools und Techniken für die Datenanalyse und NoSQL-Datenspeichertechnologien kennenlernen.
Im letzten Jahr sammeln die Studierenden praktische Erfahrungen in der Big-Data-Analytik und Datenvisualisierung und entwickeln Anwendungen nach maschinellen Lernprinzipien. Dieses Jahr bietet sich auch die Möglichkeit, domänenspezifisches praktisches Fachwissen zu entwickeln und die Datenanforderungen der Branchen Öl und Gas, Ingenieurwesen und Informationstechnologie oder der mit der Gesellschaft verbundenen Bereiche Regierung und Gesundheitswesen zu untersuchen.
Nach Abschluss des Studiums verfügen die Absolventen über die theoretischen und praktischen Kenntnisse, die für die Arbeit in einer Vielzahl von Branchen und Organisationen erforderlich sind. Die Absolventen werden auch qualifiziert sein, ihr Fachwissen durch weiteres Studium weiter auszubauen.
Kurse
Jahr 1:
- Problembasiertes Lernen und Forschungsmethoden
- Einführung in die Informationssicherheit
- Professionelle Aspekte des Rechnens
- Einführung in die Programmierung
- Diskrete Mathematik
- Netzwerkprinzipien
- Programmierung und Datenbanken
- Studio-Projektarbeit
Jahr 2:
- Objekt orientierte Programmierung
- Betriebssysteme
- NoSQL-Datenbanken
- Statistische Analysewerkzeuge und -techniken
- Professionelle Softwareentwicklung
- Algorithmen und Datenstrukturen
- Studio-Projektarbeit
Jahr 3:
- Abschlussjahrprojekt
- Big-Data-Analyse
- Datenvisualisierung
- Maschinelles lernen
- Wahlfach
- Wahlfach
Wahlfächer:
- Smart Societies Gesundheit, Gesellschaft und Medien
- Intelligente Technologien: Computer, Telekommunikation und Cybersicherheit
- Smart Industries: Öl, Gas und Ingenieurwesen
- Verarbeitung natürlicher Sprache
- Kryptographie und Steganographie
- Incident Management
- Weitere Diskrete Mathematik
- Reine Mathematik zum Rechnen
Lernerfolge
Wissen:
- Verfügt über ein breites Wissen über wichtige Themen, Theorien, Prinzipien und Themen der Datenwissenschaft, der Big-Data-Analyse und verwandter Bereiche sowie der damit verbundenen theoretischen und digitalen Prozesse, Tools und Methoden zur Untersuchung datengesteuerter Problemsituationen.
- Ist mit den aktuellen Forschungs- und Entwicklungsarbeiten im Bereich Big Data Analytics und Data Science vertraut.
- Verfügt über Kenntnisse der wichtigsten Prinzipien, Theorien, Tools und Techniken für die Softwareentwicklung und Datenanalyse für die Arbeit mit großen heterogenen Datensätzen, deren Anwendung auf eine Vielzahl datengesteuerter Bereiche und Situationen sowie deren Bewertung und Ergebnisse aus ihrer Anwendung erhalten.
- Kann sein Wissen auf dem Gebiet der Datenwissenschaft durch akademisches Studium, Forschung und berufliche Entwicklung aktualisieren.
- Hat Kenntnisse über die Geschichte und Entwicklung der Big-Data-Analyse und der Datenwissenschaft, einschließlich der wichtigsten Werkzeuge, Techniken und Technologien im Bereich der Datenwissenschaft, sowie über deren vergangene und potenzielle zukünftige Auswirkungen auf die Funktion, das Management, die Analyse und die Entwicklung der Wissenschaft. Industrie und Gesellschaft.
- Versteht die rechtlichen und ethischen Fragen im Zusammenhang mit dem Erhalt und der Analyse von Big Data und der Präsentation der Ergebnisse der Big Data-Analyse gegenüber Stakeholdern.
- Verfügt über Kenntnisse in der Anwendung datenwissenschaftlicher Prinzipien sowie statistischer und analytischer Werkzeuge und Techniken in komplexen wissenschaftlichen, gesellschaftlichen und industriellen Bereichen.
Kompetenzen:
- Kann akademisches und theoretisches Wissen über Werkzeuge und Techniken der Datenanalyse sowie aktuelle Forschungs- und Entwicklungsarbeiten auf praktische und theoretische datenwissenschaftliche Probleme anwenden, um fundierte, informierte und begründete Entscheidungen und Entscheidungen zu treffen.
- Kann über die eigene akademische Praxis und berufliche Entwicklung nachdenken, Verbesserungsmöglichkeiten identifizieren und sich an zukünftige Entwicklungen bei Tools, Techniken und Technologien für die Datenanalyse und -visualisierung anpassen.
- Ist in der Lage, relevante Informationen und wissenschaftliche Themen zu finden, zu bewerten, zu referenzieren und auf eine Weise darzustellen, die datengesteuerte Probleme beleuchtet.
- Kann große heterogene Datensätze mithilfe geeigneter Datenanalysetechnologien und statistischer Techniken angemessen und effektiv lokalisieren, beschaffen, bearbeiten und analysieren.
- Ist in der Lage, mit einer Vielzahl von mathematischen und maschinellen Lernwerkzeugen und -methoden Bedeutungen aus Daten zu extrahieren und diese zu interpretieren.
- Kann die primären digitalen Tools und Techniken zur angemessenen und professionellen Visualisierung von Daten und Ergebnissen der Big-Data-Analyse auswählen und verwenden, um informative Einblicke in datengesteuerte problematische Situationen zu entwickeln und zu präsentieren.
- Kann eine Reihe von analytischen und methodischen Problemlösungstechniken auf der Grundlage von Recherchen kritisch auswählen und anwenden und in der Lage sein, die Lösungen zu interpretieren und die Ergebnisse angemessen darzustellen.
- Ist in der Lage, Stakeholder von Data Science-Projekten zu identifizieren und mit diesen Stakeholdern entsprechend den Projektanforderungen und den möglichen Auswirkungen der Ergebnisse angemessen zu kommunizieren, sich zu vernetzen und zusammenzuarbeiten.
Allgemeine Kompetenz:
- Ist in der Lage, komplexe ethische Fragen, die sich in der akademischen und beruflichen Praxis als Data Scientist ergeben, zu identifizieren und angemessen zu behandeln.
- Ist in der Lage, eine Vielzahl von Aufträgen und datenwissenschaftlichen Projekten im Laufe der Zeit zu planen, auszuführen und zu verwalten, und zwar allein oder als Teil einer Gruppe, bis zu einem erfolgreichen Abschluss und in Übereinstimmung mit den relevanten ethischen Anforderungen und Grundsätzen.
- Kann die Ergebnisse theoretischer, praktischer und forschungsbasierter akademischer Arbeit mithilfe geeigneter Kommunikationsformen (elektronisch, mündlich und / oder schriftlich) effektiv kommunizieren, um Theorien, Argumente, Probleme und Lösungen auf angemessene, professionelle Weise zu präsentieren.
- Kann durch Auswahl und Anwendung geeigneter Kommunikationsmethoden Meinungen, Ideen und andere Themen wie Theorien, Probleme und Lösungen mit anderen Personen mit Hintergrund und / oder Erfahrung in den Datenwissenschaften und verwandten Bereichen kommunizieren und austauschen und so zur Entwicklung beitragen der guten Praxis innerhalb der Data Science Community of Practice.
- Ist in der Lage, sich im Rahmen der Strategie des lebenslangen Lernens, die von einem Data Science-Experten und einem reflexiven Praktiker verlangt wird, selbst zu reflektieren.
- Ist vertraut mit aktuellen und neuen Denkweisen und Trends im Bereich der Datenwissenschaft und verwandten Disziplinen.
Berufschancen
Das Fachwissen und die Fähigkeiten dieses Bachelor-Studiengangs sind gefragt, da viele Trendindikatoren darauf hindeuten, dass Probleme im Zusammenhang mit Data Science und Big Data für viele Wirtschaftszweige von zunehmender Bedeutung sein werden. Dies wurde in den letzten Jahren durch technologische Entwicklungen und die Allgegenwart von Daten vorangetrieben. Die aufkommenden Initiativen im Zusammenhang mit neuen Technologien, die in intelligenten Städten, im Internet der Dinge und in cyberphysischen Systemen zum Einsatz kommen, werden auch eine große Menge an Daten erzeugen, für die Spezialisten für Datenwissenschaften erforderlich sind. Es besteht ein dringender Bedarf an Absolventen, die mit der Analyse von Daten in großem Maßstab vertraut sind.
Laut Abelia gibt es in Norwegen ein besorgniserregendes Defizit an Menschen mit ausgeprägten technischen Fähigkeiten. Der Abstand zwischen Bedarf und verfügbarem Fachwissen reicht von 24 bis 113 Prozent. Das Best-Case-Szenario sieht vor, dass bis 2030 jede vierte IKT-Stelle frei sein wird.
McKinsey schätzt, dass in den USA 140.000 bis 190.000 Menschen mit analytischem Fachwissen und 1,5 Millionen Manager und Analysten fehlen, die in der Lage sind, Big-Data-Analysen zu verstehen und Entscheidungen zu treffen. Dies wird als 50-60% ige Lücke in der Nachfrage nach Analyseexperten geschätzt. In einem Bericht der Royal Statistical Society in Großbritannien wurde hervorgehoben, dass 80% der Unternehmen bereits Probleme haben, die Fähigkeiten zu finden, um die steigende Nachfrage zu befriedigen.
Die meisten großen Unternehmen, die auf Informationstechnologie setzen, benötigen Menschen mit Fachkenntnissen in Data Science. Dieser Bachelor-Abschluss bietet daher eine einzigartige Qualifikation für den Umgang mit Herausforderungen in einer Vielzahl von Organisationen und Branchen.
Weitere Studien
Studierende, die eine Weiterbildung in Data Science wünschen, können sich an verschiedenen Hochschulen in Norwegen und international für ein Masterstudium in den Bereichen Computer, Datenanalyse oder Data Science bewerben. Absolventen, die ein Doktoratsstudium absolvieren möchten, können sich dann für solche Studienmöglichkeiten in Norwegen oder darüber hinaus bewerben.
Über die Schule
Fragen
Ähnliche Kurse
Bachelor Informatik
- Krems an der Donau, Österreich
Bachelor in Analytische Finanzen
- 4, Schweden
Bachelor of Economic Data Science
- Prague, Tschechische Republik