Master - anvendt statistik - Aalborg Universitet

Adgangskravene er som følger:

Stk. 1. Adgangen til masteruddannelsen i anvendt statistik er betinget af, at ansøgeren:

1.     Har gennemført mindst en relevant bacheloruddannelse eller relevant professionsbacheloruddannelse/mellemlang videregående eller en relevant diplomuddannelse.

2.     Har mindst 2 års relevant erhvervserfaring efter den adgangsgivende uddannelse. Der lægges vægt på, at ansøgerens erhvervserfaring som helhed er relevant for uddannelsen.

3.     Har matematiske færdigheder svarende til gymnasialt B-niveau. Studienævnet kan fastsætte nærmere regler for dokumentation af matematikkundskaber.

4.     Har engelsksproglige færdigheder svarende til gymnasialt B-niveau. Studienævnet kan fastsætte nærmere regler for dokumentation af engelskkundskaber.

Stk. 2. Adgangen kan gøres betinget af aflæggelse af supplerende prøver.

Stk. 3. I tilfælde af større antal kvalificerede ansøgere end studiepladser på uddannelsen prioriteres ansøgere ud fra kriteriet tidspunkt for ansøgning i forhold til ansøgningsfristen, idet tidligste ansøgninger prioriteres højest.

Stk. 4. Universitetet kan optage ansøgere, der ikke opfylder betingelserne i stk. 1, men som ud fra en konkret vurdering skønnes at have uddannelsesmæssige forudsætninger, der kan sidestilles hermed. Dog kan der ikke gives dispensation fra kravet om to års relevant erhvervserfaring.

Stk. 5. Ansøgningsfrist til uddannelsen fremgår af uddannelsens hjemmeside og informationsmaterialet. Der kan forekomme flere optagelsesrunder til hvert hold.

Uddannelsens adgangskrav kræver alene et gymnasialt B-niveau i matematik og engelsk sammen med en relevant bachelor- eller professionsbacheloruddannelse samt mindst 2 års relevant erhvervserfaring. Uddannelsen er målrettet et bredt udsnit af medarbejdere i virksomheder, der har behov for at kunne bearbejde, visualisere, kvalificere og analysere data.

Der er et dokumenteret behov for et nationalt kompetenceløft inden for mere avancerede digitale kompetencer i bl.a. praktisk anvendt statistik understøttet af datavidenskab og kunstig intelligens.

Masteruddannelsen i anvendt statistik har til formål at efteruddanne allerede kvalificerede fagfolk og bidrage til, at de dels har færdigheder som er relevante på arbejdsmarkedet og dels er i stand til at imødekomme det stigende samfundsbehov for opkvalificering inden for avancerede digitale kompetencer i anvendt statistik. Uddannelsen vil give kompetencer i avancerede statistiske metoder, kunstig intelligens, maskinlæring, data science og programmering. Uddannelsen er således målrettet alle typer medarbejdere i virksomheder og offentlige institutioner, der har behov for at kunne analysere og anvende data professionelt til vurderinger, forudsigelser og beslutningsstøtte.

Uddannelsesindholdet er baseret på den nyeste viden inden for området samt aftagerdialog og behovsundersøgelse. Uddannelsen er tilrettelagt, så studerende med udgangspunkt i egne problemstillinger, faglighed og kompetencer undervejs i studiet kan målrette læringsudbyttet til egne behov for specialisering.

Uddannelsen forankres på Institut for Matematiske fag ved Det Ingeniør- og Naturvidenskabelige Fakultet i samarbejde med Institut for Datalogi ved det Tekniske Fakultet for IT og Design. Som beskrevet på side 9 i dokumentationsrapporten forventes uddannelsen at blive udbudt med koncentrerede fysiske mødedage samt elementer af onlineundervisning. Formatet er valgt på baggrund af drøftelser med aftagerpanelerne samt besvarelser fra adspurgte virksomheder i behovsundersøgelsen. De adspurgte virksomheder er spurgt til den ønskede fordeling mellem fysisk og online undervisning. I gennemsnit ønsker de, at 46% af undervisningen foregår online, mens 54% foregår fysisk.

Uddannelsen er opbygget af to hovedkomponenter:

1.     Obligatoriske kursusmoduler (samlet 30 ECTS-point)

2.     Problembaserede projektmoduler inkl. masterprojekt (samlet 30 ECTS-point)

Obligatoriske kursusmoduler

Obligatoriske kursusmoduler er alle moduler på hver fem ECTS-point og understøtter, at de studerende opnår færdigheder og kompetencer inden for analyse af data og data science, herunder anvendt statistik, maskinlæring (machine learning), kunstig intelligens og programmering. Det opnås gennem metoder til at transformere data, således de rigtige fremstillinger og analyser kan udarbejdes. Igennem de konstituerende faglige elementer sikres det dermed, at de studerende med forskellige uddannelsesmæssige baggrunde får et fælles tværfagligt udgangspunkt samt fælles forståelse af de fagfaglige elementer i den specifikke forståelse for dataanalyse, inkl. indsamling, transformering, visualisering, tabulering, modellering og forudsigelse.

Problembaserede projektmoduler
De problembaserede projektmoduler består af to moduler på hver 15 ECTS-point, som følger Aalborg Universitets læringsmodel PBL (Problem Based Learning). I disse moduler har de studerende mulighed for at bringe egne autentiske problemstillinger i spil. De kan dermed medbringe relevante og praksisnære datasæt og problemstillinger. Begge hoveddele af uddannelsen bygger på en projektbaseret og problembaseret læring, der sikrer, at alt er relevant og up-to-date. Hoveddelene lægger også vægt på at skabe tværfagligt samarbejde og interaktion mellem de studerende, så de kan drage nytte af hinandens faglige baggrunde.

1. semester
Semesteret består af følgende moduler (i alt 15 ECTS-point).

Obligatorisk kursusmodul (5 ECTS-point): ”Programmering for datahåndtering, datatransformation og visualisering”, hvor målet er, at de studerende får indsigt og erfaring i generelle programmeringsteknikker, herunder teknikker til at indlæse og transformere data til det tiltænkte formål (f.eks. tabulering, visualisering eller modellering). De studerende bliver gennem dette fagelement i stand til på egen hånd at håndtere data ved hjælp af programmeringssprog.

Obligatorisk kursusmodul (5 ECTS-point): ”Introduktion til statistik”, hvor målet er, at de studerende lærer at forstå grundlæggende begreber i sandsynlighedsteori (f.eks. betinget sandsynlighed) og princippet om at modellere og kvantificere usikkerhed ved hjælp af statistiske metoder som f.eks. lineære modeller. De studerende lærer også om forskellige typer af bias, og hvordan man kan identificere og undgå overfitting (når man tror, at støj i træningsdata er et signal).

Obligatorisk kursusmodul (5 ECTS-point): ”Introduktion til AI-teknikker”, hvor målet er, at de studerende lærer grundlæggende forudsigelsesmodeller (prædiktionsmodeller) som f.eks. beslutningstræer, random forests, K-nearest neighbor og naive Bayes classifier. De studerende skal her dels lære om modellernes teoretiske fundament og dels lære, hvordan man i praksis automatisk konstruerer disse modeller ved hjælp af data og software. Derudover skal de studerende for visse modeller lære hvornår og hvordan, man kan kvantificere usikkerheden på forudsigelsen.

2. semester
Semesteret består af følgende modul (15 ECTS-point).

Obligatorisk projektmodul (15 ECTS-point): "Dataanalyse fra start til slut", hvor målet er, at de studerende kan identificere og formulere en relevant problemstilling inden for anvendt statistik. Problemstillingen skal indeholde muligheder for at arbejde med data i dybden ved at anvende teknikkerne fra kursusmodulerne på 1. semester. Det kan være inden for bl.a. kunstig intelligens/AI, maskinlæring/machine learning og forudsigelse/prædiktion, statistisk inferens eller data science med fremstillinger og visualiseringer. De studerende kan f.eks. udarbejde en forudsigelsesmodel baseret på egen problemstilling og egne data. Hvis de studerende ikke har data selv, sørger vi for at finde relevant data, som de studerende kan arbejde med. Projektets baggrund og resultater dokumenteres i en projektrapport.

3. semester
Semesteret består af følgende moduler (i alt 15 ECTS-point).

Obligatorisk kursusmodul (5 ECTS-point): ”Avanceret programmering for datahåndtering, datatransformation og visualisering”, hvor målet er, at de studerende får indsigt og erfaring i metoder til at indlæse data fra forskellige typer af datakilder (f.eks. SQL-baserede databaser eller JSON-filer) og klargøre disse til brug i både fremstilling (f.eks. visualisering) og modellering. Derudover vil de studerende få erfaring i, hvordan man laver et dashboard, og vil blive introduceret til fordele og ulemper ved forskellige måder at forbinde og kommunikere med forskellige datakilder.

Obligatorisk kursusmodul (5 ECTS-point): ”Avanceret statistik”, hvor målet er, at de studerende lærer om mere avancerede modeller (som f.eks. logistisk regression) og estimation af usikkerhed ved hjælp af resampling-metoder (f.eks. bootstrap). De studerende vil også lære om håndtering af tidsrækker, herunder visualisering, parameterestimation og simple forudsigelsesmodeller. I dette modul vil de studerende også lære om manglende værdier (missing data) og hvilke faldgruber, der kan være i håndteringen af dette.

Obligatorisk kursusmodul (5 ECTS-point): ”Avancerede AI-teknikker”, hvor målet er, at de studerende lærer om avancerede modeller inden for maskinlæring/machine learning og AI som f.eks. (dybe) neurale netværk. De studerende lærer om bl.a. modeller til forudsigelse (prædiktion). Derudover lærer de studerende at idriftsætte disse modeller.

4. semester:
Semesteret består af følgende modul (15 ECTS-point).

Masterprojekt (15 ECTS-point): "Data-drevne løsninger af virkelighedsnære problemer", hvor målet er, at de studerende kan identificere og formulere en relevant problemstilling inden for anvendt statistik. Problemstillingen skal indeholde muligheder for at arbejde med data i dybden ved at anvende avancerede teknikker inden for anvendt statistik. De studerende kan vælge at fokusere på state-of-the-art metoder fra AI, maskinlæring/machine learning og forudsigelse/prædiktion; statistisk inferens suppleret med data science med fremstillinger og visualiseringer. De studerende kan udarbejde en foranalyse af data samt en model til at forudsige udfald baseret på egen problemstilling og egne data. De studerende kan også tage udgangspunkt i et eksisterende neuralt netværk og gentræne med egne data. Hvis de studerende ikke har data selv, sørger vi for at finde relevant data, som de studerende kan arbejde med.

Vekselvirkningen mellem uddannelsens to hovedkomponenter (obligatoriske kursusmoduler og problembaserede projektmoduler) er de adspurgte virksomheder i behovsundersøgelsen særligt begejstrede for. Med det praksisnære sigte er tanken, at de studerende skal kunne arbejde projektorienteret med egne data fra den virksomhed, de er ansat i. Resultaterne fra spørgeskemaundersøgelsen viser en bred konsensus om, at det for virksomhederne er attraktivt, at deres medarbejdere som led i uddannelsen i anvendt statistik kan arbejde projektorienteret med virksomhedens egne data. 89% af virksomhederne finder dette attraktivt i nogen eller høj grad.

Uddannelsen foreslås indplaceret på deltidstakst 3, da den fokuserer på håndtering af store datamængder, dataanalyse og programmering. Der er stort fokus på det tekniske indhold i uddannelsen, og uanset uddannelsesbaggrund vil de studerendes undervisning bestå af eksperimentelt arbejde udført ved hjælp af computere, herunder brug af AI Lab på Aalborg Universitet. AI Lab tilbyder faciliteter til high-performance computing og giver adgang til avancerede værktøjer og teknologier inden for kunstig intelligens. Laboratoriet understøtter forskning og uddannelse ved at muliggøre eksperimenter og projekter, der kræver betydelige beregningsressourcer og komplekse dataanalyser. Masteruddannelsen i anvendt statistik er på niveau med AAU’s uddannelser inden for software og datavidenskab i forhold til behovet for betydelige beregningsressourcer. Disse uddannelser er alle indplaceret på takst 3.

Uddannelsen giver en unik profil, der adresserer både nuværende og fremtidige behov inden for avanceret datadrevet beslutningstagning og analyse. Det er essentielt i en tid, hvor kvalificerede datamængder og datadrevet beslutningsstøtte er af afgørende og stigende betydning i erhvervslivet og samfundet i øvrigt.

Som dokumentationsrapporten løbende fremhæver, er uddannelsen relevant og efterspurgt af både virksomheder, organisationer, institutioner og politiske aktører. Herunder vurderer 54% af de virksomheder, der har deltaget i behovsundersøgelsen, at det vil være relevant for dem at sende medarbejdere på enten hele eller dele af den nye masteruddannelse. De fagområder, som masteruddannelsen dækker, herunder AI-teknikker, datahåndtering og visualisering, vurderer mellem 59 til 78% af virksomhederne som meget relevante for deres nuværende og fremtidige behov. De opnåede kompetencer fra uddannelsen kan efter endt studie bl.a. anvendes professionelt til beslutninger, vurderinger og forudsigelser.

For at imødekomme behovet i forhold til internationale medarbejdere og fordi mange virksomheder har engelsk som koncernsprog, ønskes uddannelsen udbudt på engelsk. Dette er yderligere uddybet i dokumentationsrapporten på side 10. Uddannelsens struktur og indhold afspejler en tæt sammenhæng mellem de akademiske krav og arbejdsmarkedets forventninger, hvilket understøtter dimittendernes evne til at bidrage værdifuldt til deres virksomheder.

Ved at tilbyde en masteruddannelse kan arbejdsgivere målrettet opkvalificere deres nuværende medarbejdere, og det er dermed muligt at kunne levere højt kvalificerede specialister på tværs af brancher. Disse kandidater kan være med til at afhjælpe mangel på kvalificerede medarbejdere og understøtte Danmark i den globale konkurrence. Dokumentationsrapporten beskriver endvidere på side 6 uddannelsens kompetenceprofil, som er udviklet gennem en omfattende og grundig proces, der sikrer, at den opfylder arbejdsmarkedets konkrete behov for efter- og videreuddannelse. Kompetenceprofilen kan ligeledes ses i bilag 1.

Der er et markant samfundsmæssigt behov for en masteruddannelse i anvendt statistik med fokus på avanceret praktisk anvendelse gennem statistiske metoder, dataanalyse, kunstig intelligens og programmering. På siderne 10-13 i dokumentationsrapporten redegøres der for efterspørgslen på kompetencer inden for disse områder. Det slås fast, at efterspørgslen er stor og fortsat stigende på det danske arbejdsmarked, som i høj grad forventer at skulle arbejde mere med dataanalyse i fremtiden. Behovet understøttes af talrige rapporter, analyser, behovsundersøgelsen og regeringsinitiativer, som fremhæver vigtigheden af at udvikle digitale færdigheder og sikre adgang til højt kvalificerede specialister inden for området. Masteruddannelsen adresserer disse behov ved at levere specialiserede kompetencer, der kan bidrage til at håndtere og kvalificere store datamængder, forbedre ressourceudnyttelsen og bidrage til at løse store samfundsudfordringer. Uddannelsen nyder bred opbakning fra erhvervslivet og den offentlig sektor, som ser potentialet i at uddanne medarbejdere fra forskellige baggrunde i anvendt statistik.

De fagområder, som masteruddannelsen dækker, herunder AI-teknikker, datahåndtering og visualisering, vurderer mellem 59 til 78% af virksomhederne som meget relevante for deres nuværende og fremtidige behov. Uddannelsen vurderes som værende meget relevant af en stor del af de adspurgte virksomheder i behovsundersøgelsen:

• 72% af de adspurgte virksomheder fremhæver behovet for kompetencer inden for dataanalyse, herunder visualiseringer.


• 66% understreger behovet for håndtering af data i forskellige formater.


• 89% af virksomhederne finder det attraktivt, at de studerende kan arbejde med deres egne data.

Behovsundersøgelsen viser, at langt de fleste (85%) af virksomhederne forventer enten i højere eller meget højere grad at arbejde med analyse af kvantitative data om tre år sammenlignet med i dag. Gyldendal fremhæver det i behovsundersøgelsen samtidig med, at de peger på, at de i dag ikke har nogen medarbejdere med disse kompetencer:

”Hvis vi skal have fuldt udbytte af den data, vi har på vores kunder, så forestiller jeg mig, at arbejdet med data og AI er vigtigt for os, og jeg ved faktisk ikke helt, hvem der skulle lave det for os i dag.”

I tråd med resultaterne fra spørgeskemaundersøgelsen viser de kvalitative interviews, at der er et bredt og stort behov for medarbejdere, der arbejder med større mængder data og har kompetencer inden for databehandling, statistik og visualisering.

Flere af virksomhederne udtrykker, at de allerede har en voksende efterspørgsel på tværs af forretningsområder og funktioner, og at deres arbejde med data er fundamentalt for deres virksomhed. Dette kommer til udtryk på forskellige måder i interviewpersonernes beskrivelser, der afspejler, at arbejdet med data er centralt for virksomhederne på forskellige måder afhængigt af virksomhedens type:

"Arbejdet med data er strategisk forretningskritisk. Vi har nogle, der sidder i core, som ikke laver andet end at arbejde med data. Dertil arbejder alle vores andre funktioner også med data, og de bliver bedre til at bruge de her data, som vi har fælles. Trenden er helt tydelig for det sidste årti, at det der med at sidde og se på sit eget datafundament i sine egne systemer i for eksempel i en økonomiafdeling - det er ikke længere begavet nok. Der skal vi løftes ud og begynde at se, er der nogle trends, der understøtter de her data på kryds og tværs af det hele og derved involverer hele organisationens arbejde med data og ikke kun de aller dygtigste, der sidder i core." (BDO)

Som beskrevet i dokumentationsrapporten på side 1 står Danmark over for en betydelig mangel på 13.000 kandidater inden for ingeniør-, teknik- og IT-områderne i 2030. Samtidig stiger efterspørgslen på avancerede kompetencer inden for anvendt statistik, dataanalyse og digitale teknologier som kunstig intelligens, maskinlæring og data science. Masteruddannelsen i anvendt statistik vil bidrage til at levere kritiske kompetencer og dimittender, der er nødvendige for at imødekomme disse fremtidige behov og styrke Danmarks konkurrenceevne i en digitaliseret verden.

Som beskrevet i dokumentationsrapporten på side 10 estimeres det, at mellem 300-700 virksomheder vil sende en eller flere ansatte på enkelte kurser i masteruddannelsen. For hele masteruddannelsen anslås det, at mellem 100 og 200 virksomheder vil være interesserede i at lade medarbejdere tage den. På baggrund af disse oplysninger forventes det, at der kan uddannes ca. 20 dimittender det første år med mulighed for stigende optag i de efterfølgende år.

Aftagere, der har været inddraget i behovsundersøgelsen for den nye masteruddannelse i anvendt statistik, inkluderer en række virksomheder og organisationer fra både den private og offentlige sektor.

Tre aftagerpanelmøder med fokus på centrale STEM-fagligheder har inddraget eksterne medlemmer fra relevante virksomheder, som har bidraget med deres erfaringer.

Derudover blev der gennemført en behovsundersøgelse af Epinion fra marts til maj 2024, hvor 185 virksomheder deltog i en webbaseret spørgeskemaundersøgelse. Disse virksomheder dækker forskellige brancher og er geografisk spredt over hele Danmark. Eksempler på deltagende virksomheder inkluderer Gyldendal, COWI, BDO, Skattestyrelsen, Det Europæiske Miljøagentur og Kystdirektoratet. Udover spørgeskemaundersøgelsen blev der også gennemført otte kvalitative dybdeinterviews med ledere og faglige medarbejdere fra potentielle aftagervirksomheder. Dette grundige forarbejde har sikret, at uddannelsen er i tråd med arbejdsmarkedets aktuelle og fremtidige kompetencebehov.

Som beskrevet på siderne 4-6 i dokumentationsrapporten er der gennemført en række konkrete tiltag for at sikre, at den nye masteruddannelse i anvendt statistik matcher arbejdsmarkedets og samfundets behov. Involvering af aftagerpaneler, en omfattende behovsundersøgelse med 185 deltagende virksomheder som er suppleret af otte kvalitative interviews, en jobanalyse samt et omfattende litteraturstudie har sikret, at uddannelsens kompetenceprofil er nøje tilpasset arbejdsmarkedets behov og designet til at være fleksibel, anvendelsesorienteret og tilpasset de aktuelle og stigende krav fra arbejdsmarkedet.

Uddannelsen dækker centrale områder som avancerede statistiske metoder, kunstig intelligens, maskinlæring, data science og programmering, hvilket gør dimittenderne i stand til at håndtere store datamængder og omsætte komplekse data til beslutningsstøtte og handlingsorienterede indsigter. Samlet set matcher uddannelsen de behov, der er identificeret gennem behovsundersøgelsen, og sikrer dermed en høj relevans på arbejdsmarkedet.

Der henvises til bilag 1 for yderligere indblik i uddannelsens kompetenceprofil.

Analysen af eksisterende uddannelser i Danmark viser, at masteruddannelsen i anvendt statistik adskiller sig markant fra de mest beslægtede uddannelser på grund af dens fokus på statistik, data science og kunstig intelligens med avanceret praktisk anvendelse. Fagligheden skaber en unik profil, der imødekommer både nuværende og fremtidige behov inden for datadrevet beslutningstagning og analyse, hvilket er essentielt for erhvervslivet og samfundet.

På side 16 i dokumentationsrapporten konkluderes det, at den nye masteruddannelse tilbyder kompetencer inden for avanceret dataanalyse, anvendt statistik, kunstig intelligens og programmering. Til sammenligning fokuserer de nærmest beslægtede uddannelser på matematikundervisning, teknologi og sundhed, it-strategi, it-ledelse, informationssikkerhed og softwareudvikling.

Jobanalysen omtalt på side 5 i dokumentationsrapporten viser en betydelig stigning i efterspørgslen på profiler inden for områder som statistik, visualiseringer og dataingeniører på tværs af brancher. Kompetencerne er særligt efterspurgte i sundhedsvæsenet, banker, bioteknologi, statslige organisationer og videregående uddannelser.

Den nye masteruddannelse i anvendt statistik adskiller sig fra de mest beslægtede uddannelser ved at tilbyde kompetencer, der dækker avanceret praktisk anvendelse inden for statistiske metoder, maskinlæring, kunstig intelligens, data science og programmering. Det giver en unik profil, der adresserer både nuværende og fremtidige behov inden for datadrevet beslutningstagning og analyse.

Som beskrevet på side 15 i dokumentationsrapporten har uddannelsen har været i høring hos Aarhus Universitet og SDU, hvor der er modtaget høringssvar fra viceinstitutleder for uddannelserne på Aarhus Universitet ved Institut for Matematik og de uddannelsesansvarlige for kandidatuddannelserne i Statistik og Datavidenskab samt fra Institut for Matematik og Datalogi på SDU. Høringssvarene er vedlagt bilag 3.

Master i matematik på SDU har primært fokus på undervisningskompetence i gymnasieskolen, hvor man som studerende kan opbygge faglig kompetence til at undervise i faget matematik på de gymnasiale uddannelser. Denne masteruddannelse har således ikke fokus på anvendt statistik og dataanalyse, ligesom den ikke henvender sig til samme målgruppe som master i anvendt statistik.

Masteruddannelsen i digitalisering af sundhedsvæsenet ved Aalborg Universitet fokuserer på integrationen af teknologi og sundhed for at forbedre sundhedssektorens effektivitet. Uddannelsen indeholder fag som f.eks. programmering, algoritmeudvikling og kunstig intelligens i relation til implementering og forståelse af digitale sundhedsløsninger i sundhedsvæsenet. De studerende opnår forståelse for udfordringer som stigende kroniske sygdomme, en aldrende befolkning og mangel på sundhedspersonale. De studerende opnår avancerede digitale færdigheder og tværfaglige kompetencer, der kan transformere sundhedssektoren. Uddannelsen er relevant for sundhedssektoren, herunder hospitaler og medicinske virksomheder.

Master i IT under It-vest-samarbejdet tilbyder it-professionelle dybere viden om strategi, ledelse, informationssikkerhed, forandringsprocesser og strategisk brug af data, hvilket gør dem i stand til at bidrage til virksomheders udvikling. Herunder fokuserer linjen Softwarekonstruktion, der udbydes Aalborg Universitet, på avanceret softwareudvikling, inkl. specifikation, design, konstruktion og verifikation af software.

Universitetets sammenlignende analyse af eksisterende uddannelser har vist, at der findes få delvist beslægtede uddannelser, og at der kun i meget begrænset omfang er overlap mellem disse og den ansøgte uddannelse.

Aalborg Universitet vurderer ikke, at masteruddannelsen i anvendt statistik forringer vilkårene for eksisterende udbud, men adresserer en stigende efterspørgsel på kompetencer og opkvalificering inden for anvendt statistik med fokus på avanceret praktisk anvendelse.

Uddannelsen henvender sig til en anden målgruppe med andre jobfunktioner end de mest beslægtede uddannelser ved at tilbyde kompetencer, der dækker avanceret praktisk anvendelse inden for statistiske metoder, maskinlæring, kunstig intelligens, data science og programmering. På side 3 i dokumentationsrapporten viser behovsundersøgelsen, at virksomhederne anser en bred vifte af faglige baggrunde som relevante, herunder bl.a. IT-teknologi, medier og kommunikation, teknisk videnskab, naturvidenskab, sundhedsvidenskab samt business og samfundsvidenskab. Tværfagligheden understøtter uddannelsens unikke profil ved at målrette den til medarbejdere på tværs af forskellige sektorer, som har behov for at analysere og anvende data professionelt til vurderinger, forudsigelser og beslutningsstøtte.

Uddannelsen giver mulighed for ph.d.-studie efter individuel vurdering.

Første optag forventes efterår 2025. På baggrund af interessen fra aftagerne forventes det, at der til første optag er ca. 20 optagne med mulighed for stigende optag i de efterfølgende år.

Ikke relevant.

Ingen øvrige bemærkninger.