Kandidat - Data Science - Syddansk Universitet

For at søge ind på Data Science skal ansøgeren have en akademisk bachelor eller en relevant professionsbachelor.

Eksempler på relevante professionsbachelorer kan f. eks være tekniske, IT eller økonomi-merkantile professionsbachelorer.

En forudsætning for optagelse er et sprogkrav om engelsk på B-niveau eller tilsvarende (TOEFL iBT eller iBT Home Edition) med en minimum score på 88 / IELTS academic test med en minimum overall band score på 6.5 / C1 Advanced (CAE) med en minimum score på 180 eller C2 Proficiency (CPE)).

Ingen bachelorer har retskrav.

Formålet med Data Science er at uddanne kandidater, der har analytiske og tekniske færdigheder til at dække alle aspekter inden for håndtering, analyse og præsentation af data – nu og i fremtiden. Kandidaterne kan således arbejde med, behandle, analysere og præsentere data i alle brancher og alle typer af virksomheder.
Uddannelsen giver kandidaten mulighed for at vælge mellem forskellige faglige retninger – f.eks. ICT-systems, Economics and Business Administration, m.m. – som ofte vil være i sammenhæng med dennes bachelorbaggrund. Her vil kandidaten få indsigt i, hvordan uddannelsens grundelementer hænger sammen med netop det valgte fagområde. Kandidaten vil desuden få kendskab til fagområdets behov, muligheder og særkender i arbejdet med og behandling af data.
Kandidaten vil kunne bestride en række forskellige jobfunktioner i offentlige og private virksomheder, f.eks. funktioner som data scientist, data engineer, business analyst eller dataanalytiker; samt rådgivende funktioner som f.eks. data consultant. Desuden vil kandidaten kunne varetage jobs indenfor forskning og uddannelse. Udvalgte dimittender vil kunne fortsætte som ph.d.-studerende inden for et relevant forskningsområde.

Samlet oversigt over uddannelsens opbygning kan findes under punkt 1 i bilaget.

Uddannelsen bliver inddelt i tre blokke:
- Grundelementer bestående af 60 ECTS konstituerende kurser
- Fagretning bestående af en 20 ECTS-kursuspakker
- Speciale på 30 ECTS

Hertil kommer valgfag på 10 ECTS.

Uddannelsens grundelementer
Pakken af konstituerende kurser giver den studerende viden, færdigheder og kompetencer indenfor de tre søjler af Data Science: 1) programmering og datamanagement, 2) statistisk analyse og 3) data mining og maskinlæring.

Uddannelsens grundelementer på 60 ECTS rummer følgende konstituerendekurser:

Introduction to programming – 10 ECTS
- Struktureret og objekt-orienteret programmering
- Fundamentale datastrukturer
- Strukturprogrammeringsteknik
- Rekursion og rekursive datastrukturer
- Abstrakte datatyper og deres realisering

Applied statistics – 5 ECTS
- Sandsynlighed og fordelinger
- Hypoteser og statistiske tests
- Statistiske modeller inklusiv lineær regression

Linear algebra – 5 ECTS
- Lineære ligningssystemer
- Matrix operationer, inverse matricer, determinanter
- Vektorrum, basis, koordinater, lineær uafhængighed
- Lineære afbildninger, egenværdiproblemer, diagonalisering
- Skalar-produkt og ortogonalitet

Database systems – 5 ECTS
- Structured query language (SQL) databaser
- Programmering med databasesystemer
- NoSQL databaser og query languages

Datamining and machine learning – 10 ECTS
- Principper og udfordringer i maskinlæring
- Metoder til datamining inklusive clustering
- Statistiske læringsmetoder med anvendelse på udvalgte cases

Multivariate statistical analysis – 5 ECTS
- Multivariat normalfordeling
- Inferens and sammenligning af gennemsnitsvektorer
- Diskriminant og principal komponentanalyse

IT security, IT ethics and privacy – 5 ECTS
- Sikker databehandling
- Juridiske rammer for databehandling
- Etiske overvejelser i data science

Applied machine learning – 10 ECTS
- Datadrevne beslutningstagen
- Mining af sociale medier, herunder sentiment analyse
- Recommendation engines

Visualization – 5 ECTS
- Principper for visualisering af data
- Kommunikation af data-drevne observationer
- Standard plotningsteknikker – fordele og ulemper

Fagretningerne:
Uddannelsens fagretninger er på hver 20 ECTS. Disse består af et obligatorisk kursus på 10 ECTS samt et konstitueret valgfagsmodul på 10 ECTS, hvor den studerende vil kunne vælge fra en pulje af fag der alle ligger indenfor den valgte fagretning. Ved uddannelsens start vil der forventeligt blive udbudt tre fagretninger (ICT-systems, Economics and Business Administration og Human Informatics), men det forventes at antallet af fagretninger øges efterhånden som behovet opstår, og i tæt dialog med uddannelsens aftagerpanel og det omkringliggende erhvervsliv, for kontinuert at sikre et relevant udbud af fagretninger.

Fagretning i ICT-systems
Denne fagretning giver generelle kompetencer inden for informations- og kommunikationsteknologi.
Fagretningen giver en dybere viden om informations- og kommunikationsteknologiske systemer, herunder computernetværk og cloud computing; programmering; en bred introduktion til algoritmer og datastrukturer; samt netværk og cybersikkerhed.

Obligatorisk kursus:
Discrete Methods for Data Science (10 ECTS)
- Bevisteknikker: direkte bevis, kontrapositionsbevis, modstridsbevis og induktionsbevis
- Talteori, herunder delelighed, primtal og kongruenser
- Relationer, herunder forskellige repræsentationer af relationer, lukninger, partielle ordninger og ækvivalensrelationer
- Tælleteknikker, herunder kombinationer, permutationer, binomialkoefficienter

Konstituerende valgfagsmodul (10 ECTS):
- Linear and Integer programming (5 ECTS) 
  - Lineær programmering og Simplexmetoden
  - Dualitetssætningen
  - Heltalsprogrammering: branch and bound og cutting plane algoritmer
  - Min cost flow problem og dets anvendelser
  -  Programmeringspakker til at løse lineær- og heltals programmeringsproblemer

- Algorithms and Data Structures (10 ECTS)
  - Matematisk grundlag: rekursionsligninger, invarianter.
  - Algoritmer (del og hersk, grådige, sortering, graf etc.)
  - Datastrukturer: ordbøger (BSTs, rødsorte træer, hashing), prioritetskøer, disjunkte mængder

- Deep Learning (5 ECTS)
  - Feedforward neural networks
  - Recurrent neural networks
  - Convolutional neural networks
  - Backpropagation- algoritmen
  - Regularisering

- Networks and Cybersecurity (10 ECTS)
  - Digitale certifikater og signaturer
  - Trådløs netværkssikkerhed og E-mail sikkerhed
  - Metoder og redskaber til penetrationstests og hacking
  - Detektion og beskyttelse mod intruders og malware
  - Firewalls og deres styrker og svagheder

Fagretning i Economics and Business Administration
Denne fagretning er tilrettelagt efter studerende med en bacheloruddannelse inden for økonomi, erhvervsøkonomi eller tilsvarende.
Fagretningen kvalificerer dig til dels at foretage databehandling og tage informerede beslutninger på baggrund af store mængder data, dels at forstå anvendelsen af moderne teknologi og innovation som konkurrenceparameter i produktionsvirksomheder og virksomheder inden for service.

Obligatorisk kursus:
Data Driven Decision Making (10 ECTS)
- Datafikation og dataindsamling: Metoder til at genere og strukturere data
- Dataanalyse og data visualisering: Metoder til at processere, analysere og visualisere data
- Beslutningstagen: Metoder til at tage de rigtige beslutninger på baggrund af dataanalysen

Konstituerende valgfagsmodul (10 ECTS):
- Corporate FinTech (5 ECTS)
  - Metoder til finansiel dataanalyse
  - Anskaffelse og anvendelse af data til finansiel dataanalyse
  - Formulering og løsning af finansielle problemer ved hjælp af dataanalyse

- Algorithms we live by (5 ECTS)
  - Kognitive modeller til at beskrive menneskelig adfærd og machine learning algoritmer
  - Menneskers samarbejde med og konkurrence mod kunstig intelligens
  - Menneskelig adfærd og Big Data

- Deep Learning (5 ECTS)
  - Feedforward neural networks
  - Recurrent neural networks
  - Convolutional neural networks
  - Backpropagation- algoritmen
  - Regularisering

- News and Market Sentiment Analytics (5 ECTS)
  - Processering af sprog med Python
  - Tekstanalyse
  - Basal NLP og lingvistik til sproganalyse

- Thick Data Analytics (5 ECTS)
  - Teorier om organisationskultur og teknologi
  - Teorier og cases om innovation og designantropologi information
  - Teknologier og Socialt liv
  - Teknologisk infrastruktur og kultur

- Networks and Cybersecurity (10 ECTS)
  - Digitale certifikater og signaturer
  - Trådløs netværkssikkerhed og E-mail sikkerhed
  - Metoder og redskaber til penetrationstests og hacking
  - Detektion og beskyttelse mod intruders og malware
  - Firewalls og deres styrker og svagheder

Fagretning i Human Informatics
Denne fagretning er tilrettelagt efter studerende med f.eks. en humanistisk eller samfundsvidenskabelig bacheloruddannelse.
Fagretningen kvalificerer til at arbejde med teknologi på et værdibaseret og menneskeorienteret grundlag. Der skal træffes moralske og etiske valg hver dag, og der kan skabes værdi gennem lingvistisk og imagebaseret data.

Obligatorisk kursus:
Introduction to Human Informatics (10 ECTS)
- Værktøjer for humanistisk dataanalyse
- Inspektion og management af humanistiske data
- Opstilling og evaluering af statistiske modeller for humanistiske data
- Dokumentation og præsentation af resultaterne af en humanistisk dataanalyse

Konstituerende valgfagsmodul (10 ECTS):
- Data Driven Applications (5 ECTS)
  - Teoretiske principper for datadreven applikationer
  - Analyse og håndtering af offentligt tilgængelige data-sæt
  - Værktøjer til at finde, håndtere og præsentere data
  - Processer og metoder til anvendelse ved design af informationsarkitektur

- The quality of data from social encounters (5 ECTS)
  - Social interaktionsforskning
  - Videoanalyse og videoetnografi
  - Analyse af menneskelig interaktion
  - Metoder til vurdering af kvalitet og validitet af data om menneskelig adfærd

- Deep Learning (5 ECTS)
  - Feedforward neural networks
  - Recurrent neural networks
  - Convolutional neural networks
  - Backpropagation- algoritmen
  - Regularisering

- AI Ethics by Design (5 ECTS)
  - Værdibaserede design metoder
  - Algoritme og dataetik
  - Kunstig intelligens og etik

- Web development (5 ECTS)
  - Client-server webarkitektur, relevante protokoller, modeller og standarder for webindhold
  - Design, udvikling og publikation af webindhold
  - Relevante markup- og programmeringssprog til webindhold
  - Formatteringsteknologier

- Networks and Cybersecurity (10 ECTS)
  - Digitale certifikater og signaturer
  - Trådløs netværkssikkerhed og E-mail sikkerhed
  - Metoder og redskaber til penetrationstests og hacking
  - Detektion og beskyttelse mod intruders og malware
  - Firewalls og deres styrker og svagheder

Valgfag
De studerende vil kunne vælge 10 ECTS valgfag. Valgfagene kan ligge indenfor den valgte fagretning, f.eks. ved at vælge flere af kurserne fra det konstituerende valgfagsmodul, eller den studerende kan vælge kurser indenfor en anden fagretning, eller kurser, der ligger i forlængelse af uddannelsens grundelementer. En valgmulighed for alle, er desuden at lave et virksomhedsprojekt.

Speciale
Specialet på 30 ECTS baseres på de kompetencer i Data Science, som den studerende har opnået gennem uddannelsens grundelementer og gennem fagretningen. Den studerende anvender disse kompetencer på en konkret problemstilling som oftest i tæt samarbejde med fagmiljøet bag den valgte fagretning og/eller i tæt samarbejde med en virksomhed. Specialeprojektet omfatter en selvstændig afgrænsning, løsning, og perspektivering af resultater med inddragelse af international forskning.

Kompetenceprofil
En dimittend med en kandidatgrad i Data Science har viden om teorier og eksperimentelle metoder inden for håndtering, analyse og præsentation af data. Dimittenden kender værktøjer, metoder og teknikker til at analysere data - herunder datamining, maskinlæring og statistisk analyse - og forstår deres opbygning. Dimittenden har kendskab til programmering samt viden om, hvordan databehandling indgår inden for en selvvalgt fagretning. Dimittenden kan forstå og på et videnskabeligt grundlag reflektere over datavidenskabelig viden og dens anvendelse, og endelig kan dimittenden identificere videnskabelige problemstillinger i området.
Dimittenden kan udvælge, anvende og sammensætte de rette programmerings-, statistik- og maskinlæringsværktøjer og -metoder til at arbejde med større datamængder generelt og inden for et givent fagområde. Dimittenden kan desuden anvende og videreudvikle disse til at designe og foretage komplekse dataanalyser og arbejde med avancerede data. Dimittenden kan udvikle dataanalytiske systemer under hensyntagen til privathed, og kan også visualisere data og sætte dem i en fagspecifik kontekst. Dimittenden kan styre arbejds- og udviklingssituationer, der er komplekse og uforudsigelige indenfor databehandlings- og analyseområdet, kan selvstændigt igangsætte og gennemføre analyser og påtage sig et professionelt ansvar under overvejelse af IT-etiske og IT-sikkerhedsmæssige konsekvenser, og kan præsentere den nuværende viden om en række vigtige datavidenskabelige udfordringer, diskutere grænserne for denne viden, belyse fremsatte hypoteser på kvalificeret teoretisk baggrund, samt forholde sig kritisk til egne og andres forskningsresultater og videnskabelige modeller.
Dimittenden får muligheden for at vælge mellem forskellige fagretninger. Her vil dimittenden få indsigt i, hvordan uddannelsens grundelementer hænger sammen med netop det valgte fagområde. Dimittenden vil desuden få viden om fagområdets behov, muligheder og særkender i arbejdet med og behandling af data.

Vi ønsker, at indplacere uddannelsen på takst 3 på linje med landets datalogi-uddannelser, kandidatuddannelsen i Data Science på SDU i Odense, bacheloruddannelsen i Data Science på ITU og lignende uddannelser, da ressourcetrækket vil være tilsvarende.

I 2030 anslås det, at der vil mangle 3.800 IT-arbejdstagere med lang videregående uddannelse og tværfaglighed. Dimittenderne fra Data Science vil netop være tværfaglige, idet kernefagligheden fra deres akademiske bachelor eller relevante professionsbachelor kombineres med Data Science-overbygningen.

Med en placering i Kolding bidrager uddannelsen ligeledes til det politiske ønske og behov for uddannelser i hele landet og mere specifikt i Trekantområdet, hvor der kun uddannes ganske få dimittender fra LVU inden for IT.

Uddannelsen vil bidrage til at indfri målene i Danmarks digitaliseringsstrategi fra 2022, da dimittenderne vil bidrage til at data og digitale løsninger udvikles og anvendes ansvarligt. Samtidig kan dimittenderne bidrage til at løse konkrete samfundsproblemer og styrke danske virksomheders vækst, produktivitet og konkurrenceevne.

Ifølge DI Digitals analyse fra marts 2022 rekrutterer 7 ud af 10 større virksomheder og 4 ud af 10 små virksomheder IT-specialister uden for Danmarks grænser.

Der er således en forventning om at IT-uddannede kan begå sig på engelsk i et internationalt arbejdsmiljø med engelsk som koncernsprog, hvorfor Data Science i Kolding udbydes på engelsk. Kasper Christensen, Solar A/S beskriver det som ”et must hvis man skal arbejde med data science i Solar.”

Dette afspejles også i beslægtede uddannelser på AU, ITU og KU, som netop udbydes på engelsk.  En engelsksproget uddannelse vil ligeledes bidrage til at forbedre virksomhedernes muligheder for at rekruttere internationale kandidater og på den måde mindske den mangel på IT-uddannede, som IDA beskriver i deres analyse fra juni 2021.

På baggrund af dette synes behovet både regionalt og nationalt åbenlyst, ligesom behovet for, at uddannelsen er engelsksproget, er dokumenteret.

Ingen

Efterspørgslen efter Data Science-kandidater er blevet undersøgt. Alle de virksomheder, der har bidraget til denne aftagerbehovsundersøgelse, har vurderet, at der er et stigende behov for kandidater med kvalifikationer som dem Data Science vil give, ligesom det i aftagerbehovsundersøgelsen er dokumenteret gennem arbejdsmarkedsundersøgelser fra eksterne parter, at der vil være massiv mangel på IT-uddannede frem mod 2030. Dette på trods af, at der ventes en markant stigning i antallet af personer med lange videregående uddannelser frem mod 2030. Helt konkret peger en analyse foretaget af Iris Group for IDA i juni 2021 på, at der i 2030 vil mangle 22.000 IT-uddannede, heraf 6.400 med en lang videregående uddannelse. Heraf 3.800 med LVU og tværfaglighed.

Dette understøttes af en lav ledighed for dimittenderne fra Data Science uddannelsen i Odense, der ligger på kun 3% for 4. kvartal.

På baggrund af ovenstående forventer universitetet at afsætte 50 dimittender efter to år i 2026, og derefter jævnt øge tallet op til 150 dimittender årligt.

SDU har baseret sin behovsundersøgelse på arbejdsmarkedsundersøgelser fra eksterne parter såsom IDA, DI Digital, IT-branchen, EVA, Trekantområdet og Region Syddanmark. Ligeledes har der være inddraget en tidligere behovsanalyse udarbejdet i november 2018, hvor der har været kontakt til 28 virksomheder.

Ydermere har der i september 2023 været kontakt til 10 virksomheder og et erhvervsnetværk fra Trekantområdet som har sendt positive tilkendegivelser og støtteerklæringer.

For en oversigt over virksomheder der har været inddraget i behovsundersøgelsen fra 2018, samt fremsendte tilkendegivelser og uddybende støtteerklæringer henvises til punkt 3 i bilaget.

Uddannelsen er opbygget på samme måde som Data Science uddannelsen på SDU i Odense. Denne uddannelse er blevet tilpasset behovet i forbindelse med aftagerbehovsundersøgelsen i 2018, og er løbende blevet yderligere tilpasset aftagernes behov i tæt dialog med aftagerpanelet, hvilket også er afspejlet i den lave ledighed. Den nye uddannelse i Data Science i Kolding er yderligere tilpasset aftagernes behov ved at den udbydes på engelsk, da dette afspejler koncernsproget og det internationale arbejdsmiljø i en del af aftagervirksomhederne.

Data Science-uddannelsen kan sammenlignes med følgende mere eller mindre beslægtede uddannelser:
- AU, KA i Datavidenskab
- AAU, KA i Maskinlæring og Data Science
- ITU, KA i Data Science
- KU, KA i Social Datavidenskab
- SDU Odense, KA i Data Science

Uddannelsen adskiller sig fra de tre første ved at målgruppen er en anden, idet de alle kræver en bachelorgrad i Data Science eller lignende, hvor Data Science i Kolding har et bredt optagelsesgrundlag.

Uddannelsen har nogle af de samme elementer som Social Datavidenskab på KU, som også har et bredt optagelsesgrundlag, men Data Science i Kolding har større vægt på tekniske færdigheder, der kan bruges i en bredere sammenhæng.

Data Science adskiller sig også fra beslægtede uddannelser (undtagen den ved SDU i Odense) ved via fagretningen at give et særligt kendskab indenfor et specifikt område, der kan være en perspektivering på den studerendes bachelorgrad. Uddannelsen ligner i høj grad kandidat i Data Science på SDU i Odense, men adskiller sig ved at blive udbudt på engelsk.

Af de nævnte uddannelser er Data Science på SDU i Odense den eneste hvorfra der er frigivet ledighedstal. Her ligger 4. kvartalsledigheden på kun 3%.

I forbindelse med denne ansøgning er uddannelsen sendt i høring hos de ansvarlige fakulteter for ovenstående uddannelser på hhv. AU, AAU, ITU og KU.

Der er modtaget positive høringssvar fra alle, og disse kan ses i bilagets punkt 4.

I forhold til ledigheden skal det bemærkes, at grunden til at der ikke er ledighedstal for de øvrige beslægtede uddannelser er, at de første kandidater fra disse uddannelser dimitterer i 2023 eller senere. De første kandidater fra Data Science på SDU i Odense dimitterede i 2021, og derfor er der endnu ikke data for 4.-7. kvartalsledigheden, for disse kandidater.

De potentielle ansøgere kan komme fra alle akademiske bacheloruddannelser og relevante professionsbacheloruddannelser fra både ind- og udland.

Data fra Data Science uddannelsen i Odense viser, at ansøgerne fordeler sig med ca. 55% akademiske bachelorer og 45% professionsbachelorer, der kommer hovedsageligt fra det humanistiske og samfundsvidenskabelige område for de akademiske bachelorer, og det sundhedsfaglige og økonomi-merkantile område for professionsbachelorer. Det forventes at søgningen til Data Science i Kolding vil have lignende søgemønstre, dog med en lavere søgning fra det sundhedsvidenskabelige område, da der ikke udbydes en fagretning i Health Data. Til gengæld forventes ca. 60% af de optagne at komme fra udlandet. Dette baseres på andelen af udenlandske studerende på øvrige engelsksprogede uddannelser i Kolding.

Der er ingen nært beslægtede uddannelser til Data Science uddannelsen i optagelsesgrundlag i regionen, udover Data Science uddannelsen i Odense, men da denne foregår på dansk, er den ikke i en direkte konkurrencesituation. Uddannelsen vil bidrage til sammenhængende uddannelsesveje og give øgede videreuddannelsesmuligheder for professionsbachelorer i regionen.

Der kan være mulighed for ph.d.-forløb.

Forventet optag på de første 3 år af uddannelsen:
1. år ca. 50
2. år ca. 100
3. år ca. 150

Ikke relevant

Ingen