Ønsker du en god dataforståelse? Dette studiet passer for deg som vil jobbe med programvareutvikling, datanettverk, nettskyløsninger, håndtering og analyse av store datasett og utvikling av ny teknologi.
5 år / 10 semestre
300
29
Om studiet
Med en mastergrad i datateknologi står mulighetene åpne for de mest interessante arbeidsoppgavene innen fagfeltet.
Studiet baserer seg på en 3+2-modell:
- De tre første årene går du bachelorstudiet i datateknologi, der undervisningen i hovedsak foregår på norsk.
- De to siste årene velger du mellom masterprogrammene datateknologi eller Data Science.
- Se «studieplan og emner» og «overgang til høyere nivå» for mer informasjon om studiets oppbygning.
I bachelorstudiet lærer du de ferdighetene som en programvareutvikler trenger for å utvikle nye, framtidsrettede programmer. Programmering er en sentral ferdighet her. Andre sentrale emner er algoritmer, databaser, datasikkerhet, kommunikasjonsteknologi og operativsystemer. Du vil også lære det grunnleggende om hvordan et datanettverk som internett er bygd opp. Gjennom et valgfag kan du oppnå kunnskapen du trenger for å få en CISCO-sertifisering i drift av datanettverk. For å kunne operere de systemene du trenger som dataingeniør, vil du få god kunnskap i realfag som matematikk og fysikk.
Gjennom å velge master innen datateknologi eller Data Science, kan du enten lære mer om avanserte datasystemer, eller spesialisere deg innen behandling av store datamengder, maskinlæring og kunstig intelligens.
Undervisningen foregår gjennom forelesninger, oppgaveløsning, prosjektarbeid og laboratoriearbeid. Studiet kan være arbeidskrevende. For å lære programmering bør du være innstilt på å legge ned mye arbeid.
Hva kan du bli?
Se beskrivelsen for studieprogrammene:
- Bachelor i ingeniørfag - datateknologi
- Master i teknologi – Computer Science eller Data Science
Fullført mastergrad innen datateknologi gir grunnlag for opptak på PhD-studiet i Informasjonsteknologi, matematikk og fysikk.
Læringsutbytte
Alle studieprogram ved UiS har definerte mål for hva du skal lære gjennom studieløpet. Les mer om læringsutbyttet for dette studieprogrammet.
Se læringsutbyttebeskrivelsene for studieprogrammene:
Bachelor:
Bachelor i ingeniørfag - datateknologi
Master:
Studieplan og emner
Oppstartssemester: 2024
-
Datateknologi - bachelor i ingeniørfag
-
Obligatoriske emner
-
Grunnleggende programmering
Første år, semester 1
-
Fysikk for data/elektro
Første år, semester 1
-
Grunnleggende kjemi
Første år, semester 1
-
Matematiske metoder 1
Første år, semester 1
-
Kurs i studieteknikk og ingeniør- og realfaglig arbeidsmetode
Første år, semester 1
Kurs i studieteknikk og ingeniør- og realfaglig arbeidsmetode (TN110)
Studiepoeng: 0
-
Webprogrammering
Første år, semester 2
-
Anvendt matematikk og fysikk i robotprogrammering
Første år, semester 2
Anvendt matematikk og fysikk i robotprogrammering (ELE130)
Studiepoeng: 10
-
Matematiske metoder 2
Første år, semester 2
-
Algoritmer og datastrukturer
Andre år, semester 3
-
Informasjons- og programvaresikkerhet
Andre år, semester 3
-
Operativsystemer og systemprogrammering
Andre år, semester 3
-
Databaser
Andre år, semester 4
-
Kommunikasjonsteknologi 1
Andre år, semester 4
-
Sannsynlighetsregning og statistikk 1
Andre år, semester 4
-
Bacheloroppgave i datateknologi
Tredje år, semester 5
-
Ingeniørfaglig systememne - Teknologiledelse
Tredje år, semester 6
-
-
Valgemner eller utveksling 5. semester - 30 studiepoeng
-
Emner ved UiS 5. semester
-
Anbefalte valgemner 5. semester
-
Videregående programmering
Tredje år, semester 5
-
Kommunikasjonsteknologi 2
Tredje år, semester 5
-
Praksis i datateknologi
Tredje år, semester 5
-
Diskret matematikk
Tredje år, semester 5
-
-
Andre valgemner 5. semester
-
Datamaskinarkitektur
Tredje år, semester 5
-
Økonomi og marked
Tredje år, semester 5
-
Teknisk modellering
Tredje år, semester 5
-
-
-
Utveksling 5. semester
-
Utveksling 5. semester
-
-
-
-
Valg av toårig masterprogram
-
Data Science, master i teknologi/siv.ing.
-
Obligatoriske emner
-
Nettskyteknologier
Første år, semester 1
-
Data-intensive Systems and Algorithms
Første år, semester 1
-
Introduksjon til datavitenskap
Første år, semester 1
-
Statistisk modellering og simulering
Første år, semester 1
-
Datautvinning og dyplæring
Første år, semester 2
-
Algoritmeteori
Første år, semester 2
-
Maskinlæring
Første år, semester 2
-
Masteroppgave i Data Science
Andre år, semester 3
-
-
3. semester ved UiS eller utveksling
-
Emner ved UiS 3. semester
-
Velg ett emne
-
Investeringsanalyse
Andre år, semester 3
-
Prosjektledelse
Andre år, semester 3
-
-
Anbefalte valgemner 3. semester
-
Reinforcement Learning
Andre år, semester 3
-
Informasjonsgjenfinning og tekstutvinning
Andre år, semester 3
-
Bildebehandling og maskinsyn
Andre år, semester 3
-
Statistisk læring
Andre år, semester 3
-
-
Andre valgemner 3. semester
-
Diskret simulering og ytelsesanalyse
Andre år, semester 3
-
Prosjekt i datateknologi
Andre år, semester 3
-
Dype nevrale nett
Andre år, semester 3
-
Sannsynlighetsregning og statistikk 2
Andre år, semester 3
-
-
-
Utveksling 3. semester
-
3. semester utveksling
-
-
-
-
Datateknologi, master i teknologi/siv.ing.
-
Obligatoriske emner
-
Etisk hacking
Første år, semester 1
-
Sikkerhet og sårbarhet i nettverk
Første år, semester 1
-
Nettskyteknologier
Første år, semester 1
-
Trådløs kommunikasjon
Første år, semester 1
-
Distribuerte systemer
Første år, semester 2
-
Datautvinning og dyplæring
Første år, semester 2
-
Algoritmeteori
Første år, semester 2
-
Masteroppgave i datateknologi
Andre år, semester 3
-
-
3. semester ved UiS eller utveksling
-
Emner ved UiS 3. semester
-
Velg ett emne
-
Investeringsanalyse
Andre år, semester 3
-
Prosjektledelse
Andre år, semester 3
-
-
Anbefalte valgemner 3. semester ved UiS
-
Diskret simulering og ytelsesanalyse
Andre år, semester 3
-
Data-intensive Systems and Engineering
Andre år, semester 3
-
Informasjonsgjenfinning og tekstutvinning
Andre år, semester 3
-
Blokkjedeteknologi og applikasjon
Andre år, semester 3
-
-
Andre valgemner 3. semester ved UiS
-
Prosjekt i datateknologi
Andre år, semester 3
-
Bildebehandling og maskinsyn
Andre år, semester 3
-
Dype nevrale nett
Andre år, semester 3
-
Statistisk modellering og simulering
Andre år, semester 3
-
-
-
Utveksling 3. semester
-
3. semester utveksling
-
-
-
-
Utveksling
Ved å reise til en av våre partnerinstitusjoner i utlandet som en del av studiet har du mulighet til å få en unik utdanning. I tillegg til økte karrieremuligheter, vokser du som person og får se faget ditt fra en ny vinkel. Alt om utveksling
Utvekslingssemester
5. semester på bachelornivå
3. semester på masternivå
Se beskrivelsen for studieprogrammene:
- Bachelor i ingeniørfag - datateknologi
- Master i teknologi – Computer Science eller Data Science
Overgang til høyere nivå
Retningslinjer for overgang til høyere nivå for studenter med opptak på 5-årige masterprogram ved Det teknisk-naturvitenskapelige fakultet.
- Krav til faglig innhold og gjennomføring for å oppnå graden sivilingeniør for de som er tatt opp direkte til det 5-årige løpet tilsvarer de krav som gjelder for 3+2-modellen.*
*Studenter med en 3-årig bachelorgrad i ingeniørfag i henhold til norsk rammeplan for ingeniørutdanning eller tilsvarende (som inneholder minst 25 studiepoeng (sp) matematikk, minst 5 sp statistikk, og minst 7,5 sp i fysikk), og som har opptak til master i xxx, er dermed kvalifisert for tilleggstittelen «Master i teknologi/sivilingeniør». - For overgang fra lavere nivå til høyere nivå kreves at studenten har gjennomført minst 90 % av de tre første studieårene slik disse er definert i godkjent utdanningsplan. Overgang innvilges av instituttleder.
- Inkludert i de 90 % som må være fullført jf. pkt. 2, må følgende være bestått:
a) Matematikk og statistikk tilsvarende krav i § 4 i ”Utfyllende regler til lokalt opptak” til den masterutdanningen studenten skal ha overgang til.
b) Bacheloroppgaven. - For overgang fra lavere nivå til høyere nivå kreves oppnådd en nedre karaktergrense på C. Dette er gjeldende for studenter som har opptak til 5-årige masterprogram, uavhengig av opptaksår, som er kvalifisert for overgang til høyere nivå høsten 2019 eller senere. Dekan kan godkjenne lavere karaktergrense dersom særlige forhold tilsier det. Utregning av snittkarakter følger samme utregningsmetode som spesifisert i ”Utfyllende regler til lokalt opptak til master i teknologi ved Det teknisk-naturvitenskapelige fakultet” § 4.
- Det gis automatisk adgang til eventuelle masteremner dersom disse inngår i godkjent utdanningsplan på lavere nivå.
Opptakskrav
Generell studiekompetanse og matematikk R1 (S1 og S2) og R2 og Fysikk 1 eller 1-årig forkurs for ingeniør.
Søknad: via Samordna opptak.
Søknadsfrist: 15. april
For overgang fra lavere nivå til høyere nivå kreves oppnådd en laveste gjennomsnittskarakter på C
Forrige sommer hadde jeg sommerjobb hos en bedrift der jeg jobbet med sikkerhet. Det var lett å få seg jobb med den forkunnskapen jeg hadde fra studiet.
Slik er det å studere ved UiS
Spørsmål og svar
Hva er hovedforskjellen på datateknologi og Data Science?
Datateknologi
Lærer deg ledelse, design og programmering av datasystemer. Evnen til å integrere kunnskap og ferdigheter i sikkerhet, pålitelighet og skalerbarhet sammen med algoritmeteori og statistikk er nødvendig for å svare på utfordringer i datasystemer i alle bransjer.
Data Science
Lærer deg å trekke ut relevant informasjon fra en kompilering av store datasett fra forskjellige kilder. Evnen til å opprette, administrere og utnytte data har blitt en av de viktigste utfordringene for utøvere i nesten alle disipliner, sektorer og næringer. Data Science gir grunnlag for arbeid innen dataanalyse og utvikling av databehandlingssystemer for hele data livssyklus.
Liknende utdanninger
Kontakt oss
Fakultetsadministrasjonen TN
Kontor for utdanningsadministrative tjenester
Institutt for data- og elektroteknologi