Bachelor - Datavidenskab - Aalborg Universitet

Optagelse på bacheloruddannelsen i datavidenskab forudsætter en gymnasial uddannelse med Dansk A, Engelsk B og Matematik A samt mindst karakteren 4 i matematik.

Der vil være adgangsbegrænsning på 60 studerende per optag.

Bacheloruddannelsen i datavidenskab har som sit mål at give en velfunderet indsigt i faget datavidenskab (også kaldet ”data science”), dets teorier og modeldannelser og de teknologiske muligheder. Der indsamles og gemmes i dag enorme mængder data fra forskellige systemer, netværk, sensorer m.m. Der er tale om meget store og forskelligartede datamængder, som genereres hurtigt, såkaldt Big Data[1]. Det er bredt anerkendt, at der er store potentialer i at udnytte Big Data til at opdage ellers skjulte sammenhænge, lave forudsigelser og korrigerende handlinger. Det er dog en stor udfordring at gøre dette i praksis, da det kræver både stærke IT-tekniske kundskaber og stærke matematiske/statistiske kundskaber. Dette er netop, hvad uddannelsen i datavidenskab tilbyder. En dimittend i datavidenskab får en stærk baggrund inden for programmering og håndtering/processering af data samt statistisk analyse af data. Populært sagt har en dimittend i datavidenskab markant bedre kundskaber inden for statistik og maskinlæring end en datalog samt markant bedre kundskaber inden for programmering og håndtering af store datamængder end en statistiker. I uddannelsen indgår desuden også jura og etik i forbindelse med data samt introduktion til emner inden for specifikke anvendelsesområder (f.eks. fra sundhed, trafik og energi). Uddannelsen giver således særdeles gode muligheder for beskæftigelse med dataanalyse og datahåndtering i organisationer fra både den offentlige og den private sektor. Der er allerede et stort, men udækket, behov for profiler med de kompetencer, uddannelsen i datavidenskab tilbyder, som beskrevet i afsnit 3 og 4 i dokumentationen.

Efter gennemført studium skal en bachelor i datavidenskab have opnået viden om teori, metode og praksis inden for analyse af store datamængder og kunne forstå og reflektere over fagets teorier, metoder og praksis, samt anvende den faglige terminologi på korrekt vis. En bachelor i datavidenskab kan anvende metoder og redskaber fra datalogi og matematik til at designe, implementere og forstå analyser af store datamængder, kan vurdere teoretiske og praktiske problemstillinger inden for datavidenskab og begrunde og vælge relevante løsningsmodeller ud fra kendskab til de muligheder og begrænsninger, som er givet af datalogiens og matematikkens teorier og metoder.  

Bacheloruddannelsen i datavidenskab vil være forankret på Skole for Informations- og Kommunikationsteknologi, hvor den primære undervisning rekvireres hos Institut for Datalogi. I løbet af uddannelsen vil der være samarbejde med Institut for Matematiske Fag til varetagelse af matematik- og statistikundervisning. Uddannelsen faciliterer samarbejde omkring studenterprojekter og kursusaktiviteter med flere forskellige fagmiljøer på tværs af fakulteter, for eksempel jura, medialogi, biotech, energi og transport samt med Aalborg Universitetshospital.

Under forudsætning af fornøden godkendelse ventes første optag på uddannelsen i september 2019

Uddannelsen er tilrettelagt som en sammenhængende uddannelse med en naturlig faglig progression, og kan gennemføres inden for den fastsatte tidsramme på 3 år. Uddannelsen består af 180 ECTS-point, fordelt på 6 semestre à 30 ECTS-point. Hvert semester består af et projektmodul og tre kursusmoduler. Modulerne giver den studerende viden, færdigheder og kompetencer til at arbejde med metode og teori inden for et afgrænset område, mens projektmodulerne vil sætte dette i en tværfaglig problemorienteret kontekst, hvor viden, færdigheder og kompetencer anvendes på en måde svarende til anvendelsen i industrien. Industrielt relevante problemstillinger vil udgøre grundlaget for projekterne og kan udføres i tæt samarbejde med både danske og internationale virksomheder. 

Bacheloruddannelsen i datavidenskab er tilrettelagt med et fagligt indhold, der dækker fremtidens behov og har som sit mål at give en velfunderet indsigt i faget datavidenskab, dets teorier og modeldannelser og de teknologiske muligheder. Dette afspejles i opbygningen af uddannelsen. Fokus på 1. semester er programmering til dataanalyse, på 2. semester indsamling/generering og analyse af data, på 3. semester interaktion med og visualisering af struktureret data, på 4. semester webanalyse, på 5. semester statistik og læring og på 6. semester afsluttes uddannelsen med bachelorprojektet med fokus på applikationsdomæner.

Nedenfor beskrives uddannelsens konstituerende elementer, herunder titel, antal ECTS-point og beskrivelse af mål og indhold for hvert modul. Se desuden den vedlagte studieordning for bacheloruddannelsen i datavidenskab (bilag 5).

1. semester 

Modul 1.1: Problembaseret læring i videnskab, teknologi og samfund (5 ECTS-point) 

Kursets formål er at støtte de studerende inden for datavidenskab, teoretisk såvel som praktisk i at planlægge og udføre et problembaseret projektarbejde i grupper, under hensyntagen til de tilgængelige ressourcer og den samfundsmæssige sammenhæng.  

Modul 1.2: Calculus (5 ECTS-point)

Dette kursus giver grundlæggende matematiske færdigheder i calculus inkl. differentiering og integrering af multivariante funktioner, trigonometriske funktioner, komplekse tal og faktorisering af polynomier.

Modul 1.3: Programmering I (5 ECTS-point)

I dette kursus opnår den studerende grundlæggende færdigheder i programmering. Den studerende kan efter kurset både selvstændigt og i samarbejde med andre implementere et program som løsning på en defineret opgave.

Modul 1.4: Semesterprojekt P0: Simpel dataanalyse med regneark (5 ECTS-point)

Mange virksomheder har i dag data gemt i regneark. Regneark har i et vist omfang funktionalitet til analyse af data. Den studerende lærer i dette projektmodul at afprøve muligheder og begrænsninger af dataanalyse med regneark. Projektmodulet skal give de studerende indsigt i dataanalyse på et realistisk datasæt. Som alle projekter på denne uddannelse arbejdes der med problembaseret læring i grupper.

Modul 1.5: Semesterprojekt P1: Funktionel programmering til dataanalyse (10 ECTS-point)

Baseret på erfaringerne fra P0, især begrænsningerne ved regnearksmodellen, arbejdes der i dette projekt med dataanalyse, der kræver større programmerbarhed. Projektmodulet skal give de studerende indsigt i og erfaring med dataanalyse ved at lave et program til dataanalyse. Udviklingen af programmet skal give de studerende kompetencer i funktionel programmering.

2. semester

Modul 2.1: Lineær Algebra (5 ECTS-point)

Dette kursus giver grundlæggende matematiske færdigheder i lineær algebra, inkl. lineære ligningssystemer, matricealgebra, eigenvektorer og vektorrum.

Modul 2.2: Anvendt statistik (5 ECTS-point)

Statistisk analyse er et vigtigt redskab i datavidenskab. I dette kursus opnår de studerende en første introduktion til statistiske metoder i en anvendelsesorienteret kontekst. Kurset dækker beskrivende og infererende statistik. Det gør de studerende i stand til at udføre grundlæggende statistisk estimation og test vha. passende softwareværktøjer.

Modul 2.3: Algoritmik og datastrukturer (5 ECTS-point)

Viden om effektive algoritmer og datastrukturer er fundamentet for at skrive computerprogrammer, der kan håndtere store datamængder. Dette kursus introducerer de studerende til vigtige typer af algoritmer og datastrukturer og fundamentale teknikker til design af algoritmer og analyse af deres kompleksitet.

Modul 2.4: Semesterprojekt: Fra data til videnskab (15 ECTS-point)

I projektet skal indsamles data, f.eks. vha. spørgeskemaer, eller genererede data, f.eks. vha. simulering. Data skal herefter analyseres. Projektet kan enten fokusere på algoritmiske metoder til simulering og datagenerering eller fokusere på statistisk analyse af indsamlet data.

3. semester

Modul 3.1: Databasesystemer (5 ECTS-point)

Store mængder data gemmes i relationelle databaser. I dette modul tilegner de studerende sig viden om den relationelle model og relationel algebra, spørgesproget SQL, logisk og fysisk design af relationelle databaser, forespørgselshåndtering og -optimering samt transaktioner. Efter endt modul kan de studerende lave et relationelt databasedesign, der overholder anerkendte normalformer, bruge SQL til at skabe og forespørge på en database, designe og anvende passende fil- og indeksstrukturer på en given database samt forklare en eksekveringsplan for en SQL-forespørgsel og vurdere, om planen er effektiv. De studerende vil således være i stand til at håndtere større datasæt hensigtsmæssigt vha. relationelle database management systemer.

Modul 3.2: Programmering II (5 ECTS-point)

I dette modul lærer de studerende væsentlige begreber og struktureringsmekanismer inden for objektorienterede programmeringssprog og opnår færdigheder i programmering i et sprog inden for dette paradigme. Den studerende vil kunne udforme og dokumentere et objektorienteret program, således at det kan køres og er forståeligt, læsbart, og tilgængeligt for andre programmører.

Modul 3.3: Datavisualisering (5 ECTS-point)

Datavisualisering genererer for datasæt visuelle repræsentationer, som er designet til at hjælpe brugere med mange opgaver, især udforskning og præsentation af data. Til det formål er datavisualisering dybt afhængig af menneskelig visuel perception. Der er en stor mængde af mulige måder til at designe systemer til datavisualisering. Da de fleste designvalg er ineffektive for en given brugeropgave, er det nødvendigt at validere effektiviteten af datavisualiseringssystemer, hvilket dog er udfordrende. De studerende opnår i dette modul kompetencer til at designe og vurdere effektiviteten af datavisualiseringssystemer.

Modul 3.4: Semesterprojekt: Interaktion med og visualisering af struktureret data (15 ECTS-point)

En af de vigtigste kompetencer for en dimittend i datavidenskab er at kunne kommunikere resultaterne af analyser af data. En stor del af data findes som struktureret data gemt i traditionelle databasesystemer. Denne projektenhed giver de studerende erfaring med interaktion med og visualisering af struktureret data som medium for undersøgelse og kommunikation med både fagfæller og ikke-fagfolk.

4. semester

Modul 4.1: Sandsynlighedsregning (5 ECTS-point)

Sandsynlighedsregning giver fundamentet for konstruktionen af statistiske modeller og matematisk stringent statistisk analyse. Dette kursus introducerer de studerende til fundamentale begreber og teknikker fra sandsynlighedsregning, inkl. stokastiske variable, betingede fordelinger og betingede forventninger samt basal stokastiske procesmodeller.

Modul 4.2: Big Data-systemer (5 ECTS-point)

I dette modul tilegner de studerende sig viden om modeller, teknikker og systemer til lagring, håndtering og processering af Big Data, herunder multidimensionelle data. Efter endt modul vil de studerende kunne modellere multidimensionelle data og designe passende skemaer og/eller lagringsformater. De vil kunne transformere data fra forskellige kilder til et integreret analytisk datalager. De vil kunne formulere analytiske forespørgsler over store datamængder og implementere skalerbare løsninger vha. gængse Big Data-platforme. Endelig vil de for en given Big Data-problemstilling kunne træffe reflekterede valg af modeller, teknikker og systemer.

Modul 4.3: Web Data Science (5 ECTS-point)

Lige siden begyndelsen af World Wide Web har det været brugt til at give nem adgang til information og udveksling af data. Det er nu blevet den største kilde til data og information. Webapplikationer er baseret på forskelle typer af teknologier, algoritmer og data. Dette kurses vil introducere emner fra web data science såsom information extraction, information retrieval, integration af webdata, online sociale netværk, recommendersystemer, Semantic Web og webdatastrukturer.

Modul 4.4: Semesterprojekt: Web Analytics (15 ECTS-point)

World Wide Web er vokset til et stort socio-teknisk system bygget med det formål at muliggøre informations- og datadeling. Der er et enormt uudforsket potentiale i at skabe forskellige løsninger, der bruger data fra web eller integrerer webdata med andre datakilder. Formålet med denne projektenhed er, at de studerende opnår indsigt i, hvordan metoder, teknikker og teknologier fra web data science og Big Data kan bidrage til at finde løsninger på problemer, der stammer fra praksis eller forskning. Projekter kan f.eks. handle om at finde og præprocessere (potentielt store mængder af) webdata til specifikke løsninger (inkl. integration og sammensmeltning), anvende relevante teknikker og metoder fra web science på webdata, integrere dem i en applikation eller en kombination heraf.

5. semester

Modul 5.1: Statistisk inferens for lineære modeller (5 ECTS-point)

Dette kursus uddyber de studerendes viden og færdigheder i statistisk analyse, som de blev introduceret til på 2. semester. Kurset bygger på Sandsynlighedsregning fra det foregående semester, så den studerende opnår en stringent introduktion til matematisk statistik med fokus på generaliserede lineære modeller. Efter kurset kan de studerende udføre statistisk analyse af datamængder baseret på en given generaliseret lineær model.

Modul 5.2: Maskinintelligens (5 ECTS-point)

Dette kursus giver en introduktion til grundlæggende maskinlæring og teknikker til kunstig intelligens. De studerende lærer, hvordan maskinlæring bruges til at konstruere modeller såsom Bayesianske eller neurale netværk fra data. Kurset introducerer også teknikker fra kunstig intelligens til at ræsonnere om modeller med henblik på intelligent beslutningstagen og planlægning.

Modul 5.3: IT-lovgivning (5 ECTS-point)

Dette kursus giver de studerende en dyb viden og forståelse af juridiske metoder i forhold til IT og kilder til lovgivning. Desuden giver det indsigt i lovgivningens rolle i samfundet og forholdet mellem lovgivning, politik og etik.

Modul 5.4: Semesterprojekt: Statistik og læring (15 ECTS-point)

Modulet kan fokusere enten på statistisk dataanalyse eller på dataanalyse baseret på maskinlæring. Projekter, der fokuserer på statistisk dataanalyse, giver indsigt i matematisk analyse baseret på statistiske modeller og teknikker. Projekter, der fokuserer på dataanalyse vha. maskinlæring, giver studerende evnen til at analysere og vurdere anvendelse af intelligente systemer til løsning af problemer. Det vil være muligt at lave projekter, der indeholder elementer af både statistisk dataanalyse og dataanalyse vha. maskinlæring. Alle projekter skal forholde sig til etiske og lovmæssige aspekter af dataanalysen.

6. semester

Modul 6.1: Data Privacy og sikkerhed (5 ECTS-point)

Arbejdet med store mængder data, ofte af en personhenførbar eller privat natur, kræver specialistviden for at sikre, at data ikke lækkes, kompromitteres eller på anden vis (mis-) bruges til krænkelse af privatlivet. I dette kursus behandles de mest relevante emner, metoder og teknikker inden for sikkerhed og sikring af privatliv, f.eks. anonymisering og de-identifikation af data, re-identifikation af data, inferensproblemet for statistiske databaser, information flow, sikkerhed samt fundamentale sikkerhedsmodeller.

Modul 6.2: Data Mining (5 ECTS-point)

Dette kursus giver en introduktion til grundlæggende data mining-teknikker. De studerende lærer, hvordan data mining kan bruges til at opdage skjulte regler, mønstre eller strukturer i store datamængder. Kurset introducerer vigtige præprocesseringsteknikker, inkl. outlier detection, feature selection og reduktion af dimensionalitet. Kurset præsenterer desuden teknikker såsom association rule mining, beslutningstrælæring og clustering til udtrækning af regler og mønstre fra data.

Modul 6.3: Bachelorprojekt: Dataanalyse inden for et anvendelsesområde (20 ECTS-point)

Bachelorprojektet tager udgangspunkt i en konkret datakilde fra et anvendelsesområde, typisk i samarbejde med en ekstern partner. Der skal gennemføres en analyse af relevante problemstillinger og analysemetoder, hvorefter en egentlig dataanalyse udføres. Etik, lovgivning og sikkerhedsaspekter skal inddrages. Den studerende skal efter gennemført projektmodul kunne anvende begreberne og ræsonnementerne inden for fagområdet til at analysere og løse det udvalgte problem inden for det valgte datavidenskabelige fagområde.

Ud over projektarbejde vil der inden for domænet være forelæsninger, studiekreds og/eller selvstudium af projektrelevante emner evt. suppleret med miniprojekter.

Takst 3.

Det globale perspektiv

Behovet for dimittender i datavidenskab er globalt set enormt. F.eks. skriver Forbes[1], at IBM forudser, at ”By 2020 the number of Data Science and Analytics job listings is projected to grow by nearly 364,000 listings to approximately 2,720,000”.

Epinion har i sommeren 2017 udarbejdet en analyse af behovet for dimittender i datavidenskab for Aalborg Universitet (AAU). Epinion har interviewet 141 virksomheder fra forskellige brancher og desuden dybdeinterviewet 9 aftagervirksomheder (bilag 1). Epinions behovsanalyse drager tilsvarende konklusioner: ”Samme tendens [som i Danmark] til mangel ses i andre vestlige lande. En række nøgleindikatorer på flaskehalse og mangelsituationer, herunder beskæftigelsesfremgang, reallønsstigninger, faldende ledighed samt arbejdsgiveres oplevelse af ikke at kunne besætte stillinger, peger således på en voksende mangel på eksperter i datavidenskab i såvel USA som i adskillige EU-lande."

Da det internationale behov for dimittender er nærmest umætteligt, kan danske virksomheder kun i begrænset omfang få dækket deres behov ved at rekruttere i udlandet. Derfor er danske universiteter nødt til at opruste på uddannelsesfronten i datavidenskab.

Det nationale perspektiv

Det nationale behov for dimittender med kvalifikationer i datavidenskab er blevet grundigt undersøgt af Epinion. Baseret på en spørgeskemaundersøgelse blandt 141 danske virksomheder (se populationsbeskrivelse i afsnit 5.1.2 i bilag 1) konkluderes det: “Spørgeskemaundersøgelsen blandt aftagervirksomheder viser, at 88 % af virksomhederne aktuelt har behov for medarbejdere, der har kompetencer inden for analyse og håndtering af store/komplekse datamængder. 49 % har i høj grad dette behov. Ca. samme andel svarer, at de har behov for denne type medarbejdere i 2020 (om 3 år).” (bilag 1, s. 10).

Ved at ekstrapolere til det nationale niveau estimerer Epinion en mangel på 500-800 dimittender i datavidenskab i 2025.

Dette understreger i særdeleshed, at der på arbejdsmarkedet såvel i dag som i 2020 vil være et udtalt behov for dimittender i datavidenskab, idet der netop på bacheloruddannelsen i datavidenskab på AAU vil være fokus på statistik, analyse og behandling af komplekse datakilder, programmering, it-sikkerhed og etik samt datalogiske teorier.

På landsplan udbyder IT Universitetet (ITU) i København en bacheloruddannelse i Data Science. Ved optaget i 2017 var der 400 ansøgere, mens der kun blev optaget 70 studerende. På baggrund af det væsentlige samfundsmæssige behov for flere dimittender med kompetencer inden for datavidenskab sammenholdt med antallet af ansøgere til Data Science på ITU, mens der kun er kapacitet til at optage 70 studerende. På denne baggrund vurderer AAU, at der er et væsentligt samfundsmæssigt behov for, at AAU også bidrager til den fremtidige produktion af dimittender inden for det datavidenskabelige område.

Det regionale behov

Epinion konkluderer: ”På regionalt plan opleves der størst behov i Hovedstaden (93 % og 63 % i høj grad) og Syddanmark (93 % og 34 % i høj grad), men der er også et stort behov i Region Sjælland (88 % og 50 % i høj grad), Nordjylland (86 % og 57 % i høj grad) og Midtjylland (75 % og 31 % i høj grad).” (bilag 1, s. 11).

Denne konklusion understreger, at der er et stort behov for uddannelser i datavidenskab i hele landet. Der findes allerede tilbud i hovedstadsområdet, men efterspørgslen er langt større end kapaciteten. I den øvrige del af landet er der også et stort, udækket behov for dimittender i datavidenskab, og der er derfor behov for uddannelsestilbud i datavidenskab i Vestdanmark. Her er AAU en oplagt udbyder pga. de stærke faglige miljøer i datalogi og statistik og de store regionale behov i Nordjylland.

I november 2016 blev forslaget om at oprette en datavidenskabsuddannelse præsenteret for aftagerpanelet for Skole for Informations- og Kommunikationsteknologi på AAU (bilag 2). Forslaget blev meget positivt modtaget af aftagerne. Aftagerne oplever allerede et voksende og udækket behov for personale med datavidenskabskompetencer. En af aftagervirksomhederne fortalte, at de nu må sende ansatte på uddannelsesforløb i udlandet for at kunne dække behovet på det voksende marked. I juni 2017 blev et mere detaljeret forslag præsenteret for aftagergruppen for Studienævn for Datalogi (bilag 3). Igen var der stor opbakning til at lave en uddannelse i datavidenskab på baggrund af et allerede eksisterende samt voksende behov. Som et resultat af dialogen med aftagerne er bacheloruddannelsens sammensætning blevet tilpasset for at imødekomme ønsker og behov.

ITU har desuden i forbindelse med ansøgning om prækvalifikation af bachelor i Data Science den 3. oktober 2016 dokumenteret, at der over en periode på tre måneder i foråret 2016 var 270 stillingsopslag, hvor en decideret datavidenskabsprofil var krævet.

Som et eksempel på det udækkede behov var der den 21. juli 2017 56 stillingsopslag for ”data scientists” i Danmark. Da der i Nordjylland er en stærk IKT-klynge med mange både små og større virksomheder, vurderer vi derfor, at der er et stort regionalt behov, hvilket også understøttes af Epinions behovsanalyse (bilag 1). 

Lav ledighed blandt beslægtede uddannelser

Beskæftigelsesfrekvenser for beslægtede bacheloruddannelser på landsplan viser ifølge Uddannelses- og Forskningsministeriets data (Se Tabel 2 i ”Dokumentation af efterspørgsel på uddannelsesprofil”), at beskæftigelsesfrekvensen, som både inkluderer bachelorer i beskæftigelse og bachelorer der er fortsat på en kandidatuddannelse, i 2011-2013 ligger mellem 97 % og 99 %. Dette underbygges desuden i ”Dokumentation af efterspørgsel på uddannelsesprofil”.  

Da bacheloruddannelsen vil være naturlig fødekæde til kandidatuddannelsen i datavidenskab (som AAU ligeledes ansøger om at oprette) vil det være naturligt og relevant at se på ledighedsfrekvensen for relaterede kandidatuddannelser. For de relaterede AAU-kandidatuddannelser i Datalogi og Matematik er der meget lav ledighed for dimittender (hhv. 2,3 % og 2,5 % gennemsnitlig ledighed for 4.-7. kvartal). For alle relaterede uddannelser er den gennemsnitlige ledighed 4 % for 4.-7. kvartal i perioden 2013 til 2015.

Det er kendetegnende for alle beslægtede kandidatuddannelser, at ledighedsfrekvensen for årgangene 2013-2015 er lav allerede to kvartaler efter dimission (10-14 %). Ovenstående ledighedstal er endog meget lave, idet de tilsvarende frekvenser for naturvidenskabelige kandidatuddannelser (cand.scient.) generelt af UFM er opgjort til hhv. 25-29 % og for tekniske kandidatuddannelser (cand.polyt.) generelt til 23-26 %. (Se desuden afsnittet ”Ledighedsfrekvensen for dimittender fra beslægtede uddannelser” i Dokumentation af efterspørgsel på uddannelsesprofil.)

Den langsigtede ledighed forventes fortsat at være lav på beslægtede uddannelser. En prognose fra DI Digital[2] konkluderede i 2015, at it- og elektronikområdet i 2020 vil mangle 3.000 specialister på trods af fordobling i universiteternes optag af studerende. Rapport om kvalificeret arbejdskraft (2016)[3] udarbejdet af Danmarks Vækstråd fastslår, at der i 2030 vil mangle 19.000 it-specialister i Danmark.

På baggrund af den høje beskæftigelsesfrekvens for beslægtede bacheloruddannelser og den meget lave ledighedsfrekvens for beslægtede kandidatuddannelser samt konklusionerne fra hhv. DI og Danmarks Vækstråd vurderer AAU således også dimittender fra både en bachelor- og en kandidatuddannelse i datavidenskab hurtigt vil komme i ansættelse og dermed ikke blive uddannet til ledighed.

Utilstrækkelig dækning af behovet fra eksisterende uddannelse

Danske virksomheder er på nuværende tidspunkt afhængige af at rekruttere dimittender fra forskellige ingeniør- og naturvidenskabelige uddannelser for at dække deres behov inden for datavidenskab. I Epinions behovsanalyse viser fremskrivninger, at de tættest beslægtede uddannelser sandsynligvis ikke kan dække det nuværende behov og slet ikke det fremtidige behov:

”Analyser og fremskrivninger for alle de nævnte uddannelser (red. Anvendt matematik, Softwareudvikling, Strategisk analyse og systemdesign og Matematik og teknologi) er helt klare: I de kommende år vil der være en udtalt risiko for en generel mangel på såvel ingeniørfaglige og naturvidenskabelige kandidater på det danske arbejdsmarked. Fremskrivninger foretaget af IDA og DA i 2011 og 2015 viser, at der potentielt er tale om en mangel på ca. 4000 naturvidenskabelige kandidater og mere end 9.000 ingeniører i 2025. Udviklingen skyldes en stadigt stigende efterspørgsel efter arbejdskraft med kompetencer inden for de to fagområder kombineret med et udbud, der ikke stiger i samme takt.

Efterspørgselspresset på f.eks. dataloger er allerede nu så kraftigt, at man stort set kunne fordoble optaget på kandidatniveau og stadig finde beskæftigelse på det danske arbejdsmarked. Mere specialiserede kandidater som de påtænkte kandidater i datavidenskab vurderes ud fra en overordnet vurdering også at kunne finde beskæftigelse.” (bilag 1, s. 7).

Uddannelsens unikke karakter

Uddannelsen i datavidenskab giver en unik kombination af kompetencer fra flere fagområder: Dataprocessering, datahåndtering, data mining og maskinlæring fra det datalogiske område samt avanceret statistik fra det matematiske område. Derudover opnås der også kompetencer fra andre fagområder, f.eks. visualisering fra medialogi og lov og etik fra jura. I uddannelsen får den studerende også erfaringer med at arbejde med data fra mange forskelligartede anvendelsesområder, f.eks. trafik, sundhed og produktion. Denne unikke kombination af kompetencer kan ikke opnås med de fagligt mest beslægtede danske uddannelser, som illustreret i nedenstående tabel 1.

Tabel 1. Kompetencesammenligning med beslægtede uddannelser

Kompetencerne på bacheloruddannelsen i datavidenskab opnås vha. følgende moduler:

-       Grundlæggende beregning og programmering

o   Modulerne 1.3, 1.5, 2.3, 3.2, 6.1

-       Datahåndtering og -processering

o   Modulerne 3.1, 4.2

-       Intelligent dataanalyse vha. computere

o   Modulerne 4.3, 5.2, 5.4, 6.2

-       Computerinfrastrukturer til big data

o   Modulet 4.2

-       Matematisk fundament for datavidenskab

o   Modulerne 1.2, 2.1, 4.1,

-       Statistisk dataanalyse

o   Modulerne 2.2, 5.1, 5.4

-       Formidling af data til mennesker

o   Modulerne 3.3, 3.4

-       Lovgivning og etik for dataanalytikere

o   Modulerne 5.3, 6.1

-       Dataanalyse i forretning, industri, ingeniør- og sundhedsvidenskab

o   Modulerne 1.5, 4.3, 4.4, 6.3

De eksisterende datavidenskabsuddannelser i ind- og udland er enten på bachelor- eller kandidatniveau. Det er således svært for studerende at vælge forløb, der giver en sammenhængende og dyb faglig profil i datavidenskab. AAU vil lave en datavidenskabsuddannelse på både bachelor- og kandidatniveau, som er samdesignet for at opnå størst mulig sammenhæng og synergi i kompetenceprofilerne, og på den måde opnå en omfattende, dyb og tværfaglig profil for de færdiguddannede i datavidenskab. Epinions behovsanalyse viser, at større danske virksomheder fortrinsvist har behov for sådanne profiler og primært ansætter på kandidat- og ph.d.-niveau. Undersøgelsen viser dog også, at mindre danske virksomheder fortrinsvis har behov for bachelorer med datavidenskabskompetencer. ”Flere af de mindre virksomheder fremhæver især færdigheder og kompetencer fra bacheloruddannelsen som mest relevante for deres virksomhed. De hæfter sig ved, at kandidatuddannelsen har stort fokus på forskningsperspektivet. De oplever et større behov for praktisk viden. Dette skal ses i lyset af modenheden i virksomhederne, hvilket ofte hænger sammen med virksomhedernes størrelse. Større virksomheder har i højere grad ressourcer til at satse mere på arbejdet med store komplekse datamængder og decideret udvikling, hvilket kandidater har bedre forudsætninger for. […]

Større virksomheder, som i højere grad har mulighed for at investere i anvendelsen af

datavidenskab, orienterer sig primært efter medarbejdere på kandidatniveau og ph.d.-kandidater.” (bilag 1, s. 22).

Bacheloruddannelsen i datavidenskab er designet med en bred og praktisk vinkel, så den kan dække de mindre virksomheders behov samt være fødekanal til kandidatuddannelsen i datavidenskab. Der er således behov for både en bachelor- og kandidatuddannelse i datavidenskab.

Det årlige optag til uddannelsen vil være adgangsbegrænset til 60 studerende af kapacitetshensyn og for at sikre en solid faglig forskningsforankring i fagmiljøerne. Det forventes derfor, at der årligt uddannes ca. 40 bachelorer i datavidenskab. På baggrund af antallet af stillingsopslag (se ovenfor) og Epinions behovsanalyse forventer vi, at det årlige danske behov for dimittender i datavidenskab fortsat vil være en del større end, hvad der uddannes fra de danske uddannelsesinstitutioner. Det fremgår af Epinions  trendfremskrivning, som er baseret på nationale fremskrivninger samt den gennemførte survey, at efterspørgslen efter datavidenskabskandidater vil stige med ca. 30 % frem mod 2020 og ca. 40 % frem mod 2025. Oversættes denne tendens til de nye datavidenskabskandidater vil der være en specifik mangel på mellem 200 og 500 datavidenskabskandidater i 2020 og mellem 500 og 800 i 2025. Heri er effekten af, at man inden 2025 når at producere de første datavidenskabskandidater på kandidatniveau indregnet.

Som dokumenteret af Epinion i bilag 1 vurderes det, at "virksomheder, som i dag har medarbejdere, der arbejder med analyse og håndtering af store/komplekse datamængder, angiver 86 %, at det vil være relevant at ansætte en data scientist fra Aalborg Universitet, og 40 % svarer at det i høj grad er tilfældet. 42 % af virksomheder uden denne type medarbejdere angiver, at det vil være relevant for dem at ansætte en data scientist fra Aalborg Universitet, og 4 % svarer at det i høj grad er tilfældet. 78 % af virksomhederne, som oplever et behov for medarbejdere med kompetencer inden for analyse og håndtering af store/komplekse datamængder, anser det som relevant at ansætte en data scientist fra Aalborg Universitet, og 31 % svarer at det i høj grad er tilfældet. Det samme gælder for 18 % af virksomheder, som har angivet, at de i dag ikke oplever et behov for den type medarbejdere, men efter at have set kompetenceprofilen alligevel ser et potentiale i en sådan medarbejder. 88 % af de adspurgte virksomheder i Region Sjælland anser kompetenceprofilen som relevant (25 % i høj grad), mens det samme gælder for 79 % i Region Syddanmark (31 % i høj grad), 74 % i Region Hovedstaden (33 % i høj grad), 71 % i Region Nordjylland (21 % i høj grad) og 53 % i Region Midtjylland (16 % i høj grad)." (bilag 1, s. 21). Ligesom det allerede er nævnt tidligere i kriterium 1, har Epinion tilmed undersøgt behovet for uddannelsen på regionalt niveau. Denne konklusion understreger, at der er et stort behov for uddannelser i datavidenskab i hele landet. Der findes allerede tilbud i hovedstadsområdet, men efterspørgslen er langt større end kapaciteten. I den øvrige del af landet er der også et stort, udækket behov for dimittender i datavidenskab, og der er derfor behov for uddannelsestilbud i datavidenskab i Vestdanmark. Her er AAU en oplagt udbyder pga. de stærke faglige miljøer i datalogi og statistik og de store regionale behov i Nordjylland.

I Epinions dybdeinterview med aftagervirksomheder vurderes kompetenceprofilen for datavidenskabsuddannelsen fra AAU som interessant og relevant.

Mere generelt har Erhvervs- og vækstministeren offentliggjort Redegørelse for Danmarks Digitale Vækst 2016[1], i hvilken det nævnes, at "Danmark har en relativt lav andel af IT-specialister i den samlede beskæftigelse, og trods en forventet stigning skønnes der i 2030 at være en mangel på omkring 19.000 IT-specialister." Især "På en række af de nye vækstområder følger danske virksomheder som helhed ikke så godt med de bedste, eksempelvis i forhold til Internet of Things (kobling af fysiske genstande til internettet, fx i form af sensorer) og Big Data (analyse af egenproducerede og generelle datasæt med henblik på at optimere fx produktion, salg og lagerstyring mv.), hvor det også går hurtigere i de nordeuropæiske lande, vi normalt sammenligner os med."

AAU konkluderer således samlet set, at der er et stort og stærkt stigende, udækket behov for bachelorer i datavidenskab, og at der derfor er behov for etablering af en bacheloruddannelse i datavidenskab på AAU.

Både det brede aftagerpanel for Skole for Informations- og Kommunikationsteknologi og den fagnære aftagergruppe for Studienævn for Datalogi har fået præsenteret uddannelsen og indgået i dialog om sammensætningen af uddannelsen. Desuden har Epinion på foranledning af AAU gennemført en behovsanalyse vedr. en ny bachelor- og kandidatuddannelse i datavidenskab. Epinion har interviewet 141 virksomheder fra forskellige brancher (se populationsbeskrivelse i afsnit 5.1.2 i bilag 1) og desuden dybdeinterviewet 9 aftagervirksomheder (se liste over udvalgte virksomheder i afsnit 5.2.2 i bilag 1).

Aftagerpanelet for Skole for Informations- og Kommunikationsteknologi blev inddraget 18. november 2016. Virksomhederne CEGO, Native Wired, Netcompany, DEIF, MapsPeople, BookBites, Danske Bank og Moment var repræsenterede på mødet, hvor motivationen bag uddannelsen blev præsenteret. Kommentarer fra den efterfølgende diskussion blev taget til efterretning og indgik i det videre arbejde (bilag 2).

Aftagergruppen for Studienævn for Datalogi blev inddraget 1. juni 2017. Virksomhederne CEGO, Native Wired, Netcompany, Danske Bank og Stofa/SydEnergi var repræsenterede på mødet, hvor udkast til studieordning blev præsenteret og diskuteret. På baggrund af den efterfølgende diskussion blev der foretaget mindre ændringer i kursussammensætningen for at imødekomme aftagernes behov og ønsker. Desuden blev beskrivelser af projekttemaer påvirket, så det tydeligere fremgår, at der arbejdes med realistiske og praktiske problemstillinger. Der var bred opbakning fra alle til den foreslåede uddannelse (bilag 3).

Se desuden afsnittet ”Involvering af interessenter” i Dokumentation af efterspørgsel på uddannelsesprofil.

Uddannelsen i datavidenskab giver en unik blanding af kompetencer fra både datalogi og statistik. En dimittend vil således være i stand til både at varetage datahåndtering af Big Data og lave meningsfulde statistiske analyser. Sammensætningen af uddannelsen er sket på baggrund af diskussioner med aftagere samt undervisere/forskere primært fra Institut for Datalogi og Institut for Matematiske fag, der leverer hovedparten af undervisningen med inddragelse af relevante fagområder som jura, medialogi, elektronik, transport, energi, bio-tech og medicin. Desuden har tilbagemeldinger fra aftagergruppen givet anledning til mindre justeringer, så der allerede på 2. semester undervises i anvendt statistik.

Specifikt i forhold til kompetenceprofilen for bacheloruddannelsen i datavidenskab fremhæver flere af de mindre virksomheder, at denne er særligt interessant for dem, da den i højere grad end kandidatuddannelsen har et fokus på praktisk viden samt praktiske færdigheder og kompetencer (bilag 1, s. 22). De større virksomheder, derimod, har en klar præference for kandidater i datavidenskab, som de anser for at have bedre forudsætninger for at arbejde med store og komplekse datamængder (bilag 1, s. 22-23). Epinions behovsanalyse viser desuden, at virksomheder over hele landet finder kompetenceprofilen for den foreslåede bacheloruddannelse i datavidenskab relevant (bilag 1, s. 21).

Desuden fastslår behovsanalyse fra Epinion, at kompetencer som ”Behandling af komplekse datasæt”, ”Statistik” og ”Analyse af komplekse datakilder” er behov, som virksomheder efterspørger nu og om tre år. Ligesom virksomhederne peger på kompetencer som ”Programmering” og ”IT-sikkerhed og etik”, som vigtige kompetencer hos deres medarbejdere. Dette understreger i særdeleshed, at der på arbejdsmarkedet såvel i dag som i 2020 vil være et udtalt behov for dimittender i datavidenskab, idet der på bacheloruddannelsen er fokus på statistik, såvel analyse som behandling af komplekse datakilder, programmering, it-sikkerhed og etik.

Sammenhængen mellem arbejdsmarkedets behov og den nye uddannelse er desuden udfoldet og illustreret i afsnittene ”Sammenhængen mellem uddannelsens kompetenceprofil og uddannelsens erhvervssigte” samt ”Det samfundsmæssige behov” i Dokumentation for efterspørgsel på uddannelsesprofil.

Bacheloruddannelsen er for studenter med en gymnasial uddannelse med Dansk A, Engelsk B og Matematik A samt mindst karakteren 4 i matematik.

Bachelorer i datavidenskab kan f.eks. videreuddanne sig i kandidatforløb på AAU (datavidenskab), Københavns Universitet (datalogi, data science-sporet), Danmarks Tekniske Universitet (informationsteknologi). De fleste dimittender forventes at fortsætte på kandidatuddannelsen i datavidenskab på AAU.

AAU har undervejs i udviklingen af bacheloruddannelsen gennemført en sammenlignende analyse med følgende eksisterende danske bacheloruddannelser udvalgt pga. deres faglige indhold:

-       Data Science (ITU)

-       Datalogi (AAU, AU, KU, RUC, SDU)

-       Software (AAU, DTU, ITU, SDU)

-       Matematik (AAU, AU, KU, RUC, SDU)

-       Matematik-økonomi (AAU, AU, KU, SDU)

-       Anvendt matematik (SDU)

Den nærmest beslægtede uddannelse i Danmark er bacheloruddannelsen i data science på ITU, hvor der i første optag i 2017 var 70 studerende. Datavidenskabsuddannelsen på AAU adskiller sig fra denne uddannelse ved at have et både dybere og bredere fundament i dataprocessering/-håndtering og statistik. Denne dybde og bredde understøttes af stærke faglige miljøer, der, i forbindelse med Forskningsevalueringen af Institut for Datalogi 2011-2015, af et internationalt evalueringspanel klassificeres som værende i verdensklasse. Yderligere vil der i bacheloruddannelsen i datavidenskab på AAU være et bredere anvendelsesfokus, hvor flere datagenererende domæner inddrages. Se også afsnit 4.2 i Dokumentation af efterspørgsel på uddannelsesprofil: Uddannelsens særkende i forhold til udbuddet af beslægtede uddannelser i Danmark.

På bacheloruddannelsen i datavidenskab er der i modsætning til eksisterende datalogi- og softwareuddannelser på AAU et adgangskrav på mindst 4 i matematik.

Derudover er der en tværfaglighed og anvendelsesorientering, der forventes at tiltrække en anden gruppe af studerende end de klassiske datalogiske og matematiske uddannelser, herunder flere kvinder end på datalogi. På ITU's første optag på bacheloruddannelsen i data science i 2017 var der 24 % kvindelige studerende, hvor andelen af kvinder på ITU's uddannelse i softwareudvikling var under 15 %, mens den på både AAU's softwareingeniør- og datalogiuddannelser kun er 7 %.

Det er AAUs vurdering, at bacheloruddannelsen i datavidenskab kun i ringe omfang vil have indflydelse på optaget på AAUs øvrige bacheloruddannelser. Ligeledes forventes bacheloruddannelsen i datavidenskab ikke at have negativ indflydelse på optaget på den eksisterende bacheloruddannelse i Data Science på ITU, da der er langt flere ansøgere, end der kan optages på denne.

Det forventes, at der vil kunne optages 60 studerende årligt (dvs. op til det maksimale optagelsesantal). Dette til trods for at behovet for dimittender vurderes at være mellem 200 og 500 datavidenskabskandidater i 2020 og mellem 500 og 800 i 2025.

ITU har i første udbud af deres bacheloruddannelse i data science i 2017 optaget 70 studerende ud af 400 ansøgere (139 med data science som 1. prioritet).

Adgangsbegrænsningen på optaget på 60 studerende er ene og alene sat af hensyn til at sikre, at AAU kan tilbyde en uddannelse med de rette ressourcer og den bedste forskningsbaserede undervisning.

Under forudsætning af fornøden godkendelse, ventes første optag på uddannelsen i september 2019.

Bacheloruddannelsen i datavidenskab vil ikke indeholde obligatorisk praktik.

Ingen yderligere bemærkninger.