Kandidat - Datalogi - Syddansk Universitet

Følgende bacheloruddannelser giver direkte adgang til uddannelsen:

• Bacheloruddannelse i Datalogi fra SDU Vejle (retskrav)


• Bacheloruddannelse i Datalogi fra SDU Odense


• Bachelor i Kunstig intelligens fra SDU (Vejle og Odense)


• Bacheloruddannelse i Datalogi fra Aarhus Universitet, Københavns Universitet eller Aalborg Universitet

Ansøgere med tilsvarende bacheloruddannelse, der indeholder datalogiske fagelementer svarende til minimum 100 ECTS. Følgende fagområder skal indgå:

• Programmering (mindst 15 ECTS)


• Algoritmer, datastrukturer og kompleksitet (mindst 15 ECTS)


• Computersystemer, herunder maskinarkitektur og styresystemer (mindst 15 ECTS)


• Matematiske støttefag til datalogi, herunder diskret matematik (mindst 10 ECTS)


• Databaser (mindst 5 ECTS)

Idet uddannelsen undervises på engelsk, kræves endvidere engelsk på minimum B-niveau 

Formålet med en uddannelse i datalogi er at give de studerende de nødvendige færdigheder og viden til at arbejde med udvikling, design og optimering af computersystemer og software. Uddannelsen fokuserer på at opbygge en solid forståelse af beregning og informationsbehandling samt de matematiske og analytiske metoder, der er nødvendige for at løse komplekse teknologiske udfordringer. Datalogiuddannelsen forbereder de studerende på at anvende deres viden i erhvervslivet, hvor de kan bidrage til innovation, effektivisering og problemløsning i både private og offentlige organisationer. Samtidig giver uddannelsen et fundament for videre specialisering og forskning inden for området.
Erhvervssigte: Som datalog har man et særdeles solidt fundament for en karriere som programmør, softwareudvikler eller softwarearkitekt, eksempelvis i højteknologiske industrivirksomheder, sundhedssektoren eller finanssektoren. Mange dataloger arbejder også som konsulenter, både ansat i større konsulentvirksomheder og i deres egne små virksomheder.

Uddannelsens konstituerende fagelementer er angivet med * og udgør mere end de 90 ECTS krævede ECTS.

Uddannelsens opbygning indgår i behovsundersøgelsen.   

1.semester

Deep Learning * (10 ECTS)
For at opnå kursets formål er det læringsmålet, at den studerende demonstrerer evnen til at beskrive principperne bag dybe neurale netværker i et videnskabeligt og præcist sprog og notation, samt analysere forskellige typer neurale netværk, herunder lagtyper og deres samspil. Derudover skal den studerende kunne forstå de teoretiske matematiske principper inden for feltet samt anvende deep learning til løsning af konkrete problemer.

Microsevices and DevOps* (10 ECTS)
Kursets læringsmål er, at den studerende kan demonstrere evnen til at detektere og beskrive de vigtigste egenskaber og strukturer i MicroSystems og Dev(Sec)Ops-pipelines, udvikle simple microservice-systemer ved hjælp af en Dev(Sec)Ops-pipeline. Derudover skal den studerende kunne løse ikke-trivielle programmeringsopgaver i et distribueret miljø samt estimere mulige sprog- eller værktøjsrelaterede faldgruber i distribuerede message passing-systemer.

Valgfag (10 ECTS)
Den studerende kan vælge fra et udbud af relevante valgfrie kurser, og herunder lave et projekt i samarbejde  med en virksomhed.

2.semester

Distributed Systems * (10 ECTS)
Kursets læringsmål er, at den studerende demonstrerer uafhængighed i analyse, design og programmering af distribuerede systemer. Efter kurset forventes den studerende at kunne identificere scenarier og løsninger i distribuerede systemer og beskrive relevante arkitekturer og algoritmer. Derudover skal den studerende kunne forklare problemer, teknikker og løsninger inden for området samt argumentere for egenskaber ved konkrete systemer og anvende modelbaserede metoder til at beskrive og analysere arkitekturer og algoritmer samt designe og implementere ikke-trivielle distribuerede systemer.

Reinforcement Learning* (10 ECTS)
Dette kursus introducerer grundlæggende elementer af reinforcementlæring ud fra et kunstig intelligens-perspektiv. I begyndelsen præsenteres de teoretiske fundamenter inden for reinforcementlæring, og det fortsætter med anvendelser af teorien i sammenhæng til større problematikker inden for kunstig intelligens. Faget afsluttes med at fokusere på de nuværende store udfordringer inden for forskningen i kunstig intelligens, som relaterer sig til reinforcementlæring. Kursusindholdet er designet til at opretholde en balance mellem den teori og praksis, der er nødvendig for at følge en selvstyret specialisering, for at kunne omsætte teori til praktisk viden. Det afsluttende projekt på kurset giver de studerende mulighed for at opleve en vejledt version af den videnskabelige forskningsproces.

Valgfag (10 ECTS)
Den studerende kan vælge fra et udbud af relevante valgfrie kurser, og herunder lave et projekt i samarbejde med en virksomhed.

3.semester og 4.semester

Master Thesis (60 ECTS)
Specialet på 60 ECTS baseres på de kompetencer i datalogi, som den studerende har opnået gennem uddannelsens grundelementer og gennem valgfag. Den studerende anvender disse kompetencer på en konkret problemstilling i tæt samarbejde med fagmiljøet 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 Datalogi har viden om:
a) et udvalg af specialiserede modeller og metoder udviklet inden for datalogi baseret på højeste internationale forskning, herunder emner fra fagets forskningsfront
b) datalogiske modeller og metoder beregnet til anvendelser i andre faglige områder og
c) ekspertviden på et afgrænset fagområde, der er baseret på det højeste internationale forskningsfelt inden for det datalogiske fagområde.

Desuden kan dimittenden forstå, og på et videnskabeligt grundlag reflektere over det datalogiske fagområdes viden og identificere videnskabelige problemstillinger. Dimittenden kan beskrive, analysere og løse avancerede datalogiske problemstillinger ved hjælp af de lærte modeller samt analysere fordele og ulemper ved forskellige datalogiske metoder, også inden for fagligt komplekse områder.

Dimittenden kan også belyse fremsatte hypoteser på kvalificeret teoretisk baggrund og forholde sig kritisk til egne og andres forskningsresultater og videnskabelige modeller, udvikle nye varianter af de lærte metoder, hvor det konkrete problem kræver det, og planlægge og udføre videnskabelige projekter på højt fagligt niveau herunder styre arbejds- og udviklingssituationer, der er komplekse, uforudsigelige og forudsætter nye løsningsmodeller. Dimittenden kan undervise i datalogi/informatik i gymnasieskolen.

Takst tre i lighed med øvrige naturvidenskabelige IT-uddannelser i Danmark.

Som beskrevet i covernotatet er der helt generelt et stort behov for IT-kompetencer i Danmark. Dette både på nationalt plan og i særdeleshed regionalt udenfor de større byer, hvor det grundet den meget lave mobilitet er svært at tiltrække den eftertragtede IT-arbejdskraft. På landsplan viser IT-Branchens seneste IT-barometer at 32% af virksomhederne helt har opgivet rekrutteringen, da der slet ikke var ansøgere til stillingerne. En udfordring der i høj grad også er til stede i Trekantområdet grundet fraværet af lokale hårde IT-uddannelser.

• SDU har været i tæt dialog med lokale virksomheder og organisationer i Trekantområdet, der bekræfter:


• Der er et aktuelt behov for IT-uddannelser i Trekantområdet. Uddannelserne i Datalogi er især efterspurgte grundet kompetencemanglen inden for bl.a. programmering og softwareudvikling.


• Der er mangel på IT-specialister med avanceret teknisk viden. Dette ses bl.a. også i de vedlagte støtteerklæringer, hvor flere virksomheder angiver, at det er svært at rekruttere attraktive kandidater i Trekantområdet.  

Dertil søges uddannelsen som engelsk udbud for at kunne give dimittenderne de internationale kompetencer, som det lokale erhvervsliv efterspørger.

Se covernotat og behovsundersøgelsen for yderligere redegørelse om behovet.

SDU forventer at uddanne 65 dimittender om året. Der forventes en stor efterspørgsel efter dimittenderne, da uddannelserne i datalogi er udviklet i samarbejde med erhvervslivet, og dermed imødekommer det specifikke kompetencebehov for erhvervslivet i Trekantområdet, hvilket også bekræftes i de vedlagte støtteerklæringer (Bilag). Flere af virksomhederne har allerede dataloger fra SDU ansat og har givet udtryk for, at det er svært at rekruttere dimittender med tilsvarende IT-kompetencer til området.
På dialogmøderne gav flere af aftagerne udtryk for, at de gerne vil samarbejde med SDU samt tilbyde studiejobs til de studerende. Derudover vil flere af virksomhederne gerne inviteres ind i undervisningen for at skabe synlighed på virksomheden og for at sikre efterfølgende fastholdelse i området og erhvervslivet. Det store engagement fra virksomhederne tydeliggør blot yderligere den store efterspørgsel på kandidaterne.

Behovet blev i første omgang klarlagt af UFM via en kortlægning af behovet for fremtidige udbud af STEM- og IT-uddannelser i Trekantområdet. 
Efterfølgende har SDU konkretiseret behovet med Vejle kommune til fire uddannelsesretninger indenfor IT – herunder en uddannelse indenfor Datalogi. Behovet for disse uddannelsesretninger blev herfra undersøgt via en samlet proces, så nødvendige sammenhænge og forskelle kunne identificeres fra start. 
I august ’24 blev oplægget efterprøvet og konkretiseret af en række nøgleaktører fra området, hvilket mundede ud i et stort dialogmøde med alle relevante aftagere i nærområdet. Mødet blev afholdt i oktober måned, hvor fokus var på at identificere det egentlige kompetencebehov. 
I november ’24 bliver der afholdt endnu et stormøde for alle aftagere og interessenter. Fokus for dette møde var de egentlige uddannelsesforslag og tilpasningen heraf, samt det fremtidige samarbejde omkring SDU Vejle og læringsmiljøet. 
Efter en tilpasning af uddannelsesforslagene fik alle involverede aftagere afslutningsvis mulighed for at sende skriftlige kommentarer til det udarbejdede uddannelsesforslag. 
En samlet oversigt over inddragede aftagere er i bilaget. 

Udviklingen af uddannelsen og aftagernes udtrykte behov er uddybet i behovsundersøgelsen, herunder også de efterspurgte generelle kompetencer, der skal være tværgående for den samlede uddannelsespakke til SDU Vejle.
For uddannelsen i Datalogi imødekommer uddannelsen således aftagernes udtrykte behov:

• Det faglige indhold: Uddannelsens grundlæggende viden inden for algoritmer, datastrukturer og programmering, der bl.a. giver de studerende en solid teknisk til at udvikle, teste og vedligeholde software.


• Det faglige fokus inden for bl.a. machine learning og deep learning, der giver de studerende stærke kompetencer inden for maskinlæring og cloud-baseret softwareudvikling er efterspurgte.


• Kunstig intelligens som datalogisk værktøj: Koblingen mellem datalogi og kunstig intelligens er gennemgående i SDUs uddannelser i datalogi.


• Kombinationen af datalogi og kunstig intelligens, hvoraf kunstig intelligens bruges som datalogisk værktøj vil være tværgående gennem uddannelserne


• Anvendelsesorienteret undervisning, der bl.a. har fokus på at teste hypoteser i praksis.

Der udbydes ingen kandidatuddannelse i datalogi Trekantområdet. Regionalt er den nærmeste SDUs datalogiuddannelse i Odense.
På nationalt plan findes en række uddannelser, der er beslægtet eller delvist beslægtet med SDUs uddannelse i datalogi. Nedenstående redegør kort for kandidatuddannelserne: 
Flere af kandidatuddannelserne i datalogi (AU, KU, ITU, SDU Odense) består af specialiseringer med stor valgfrihed. Der vil således være fagligt overlap alt efter valg af kurser, og det er derfor svært at lave en egentlig sammenligning. SDUs kandidatuddannelse i datalogi adskiller sig dog fra de andre uddannelser ved at indeholde obligatoriske kurser inden for bl.a. machine learning og deep learning. SDUs uddannelse vil således kombinere flere af de profiler, som de andre universiteter udbyder og er dermed en mere generel og bred uddannelse, der giver dem stærke kompetencer inden for maskinlæring og cloud-baseret softwareudvikling.
Seneste opgørelse af 4.-7. kvt. ledighedstal for datalogiuddannelser i Danmark ligger på 0-3%.

Beslægtede og delvist beslægtede uddannelser, er uddybet i nedenstående. 

Datalogi samt Computer Science (IT) (AAU) (dansksproget): har ligesom SDUs uddannelse fokus på softwareudvikling, dog med et øget fokus på det menneskelige perspektiv. På SDUs er der øget fokus på maskinlæring, hvor der bygges ovenpå de eksisterende kompetencer fra bacheloren.
Datavidenskab og machine learning (AAU-dansk): Denne uddannelse går i dybden med anvendelse af data og maskinlæring i udvikling af softwareprojekter. Til gengæld har det kun lidt fokus på selve programmeringsdelen, som er en del af SDUs uddannelse.
Datalogi (SDU Odense): Består af valgfrie kurser med mulighed for at specialisere inden for tre forskellige fagområder. Det er i princippet muligt for de studerende at vælge de samme kurser, der er obligatoriske i Vejle, erfaringen viser dog at de studerende foretrækker en mere teoretisk profil, hvor uddannelsen i Vejle er meget orienteret imod praktiske anvendelser.
Datavidenskab (AU) fokuserer mere på avanceret statistisk læring, storskala optimering og datavisualisering. Uddannelsen indeholder specialiseringer på 30 ECTS inden for Computational Statistics, Data-Intensive Systems, Finance and FinTech og Signal Processing og vurderes til at have et begrænset fagligt overlap.

Data Science (SDU Odense/Kolding):
SDUs uddannelser i data science henvender sig til en anden målgruppe, som ikke har en bacheloruddannelse inden for datalogi eller software Engineering. Uddannelserne i Data Science er mindre tekniske og har ingen fokus på softwareudvikling og software Engineering.

Sammenhængen mellem den samlede uddannelsespakke til SDU Vejle er angivet i covernotatet (bilag).

Den ansøgte kandidatuddannelse vil primært rekruttere fra den adgangsgivende engelsksprogede bacheloruddannelse i Datalogi på SDU Vejle. Derudover vil der være fokus på at rekruttere udenlandske ansøgere til uddannelsen. Der forventes ikke den store rekruttering fra øvrige danske bacheloruddannelse, hvorved der ikke forventes at være konsekvenser for øvrige relaterede uddannelser i nærområdet.  
Dette forudsætter at både bacheloruddannelsen og kandidatuddannelsen i Datalogi udbydes på engelsk.

Der vil være mulighed for videreuddannelse i form af ph.d.

Vi forventer et optag på 20 studerende det første år, 50 det andet år og 65 studerende om året derefter.

Høringssvar vedr. prækvalifikation af nye uddannelser til SDU’s nye campus i Vejle.
Den 17.december 2024 har SDU udsendt høringsmateriale vedr. prækvalifikation af nye bachelor- og kandidatuddannelser til SDU's kommende campus i Vejle. Høringsbrevet er udsendt til hhv. Aarhus Universitet (AU), Aalborg Universitet (AAU), VIA University College og UCL University College, der er udbydere af beslægtede eller delvist beslægtede uddannelser.
AU og AUU har ikke indsendt høringssvar til det ansøgte uddannelsesbud til SDU Vejle.
VIA og UCL har indsendt høringssvar (Se bilag). Da VIAs høringssvar konkret omhandler softwareingeniøruddannelsen henvises til ansøgningen i Software Engineering.
UCLs høringssvar omhandler muligheden for meritmodeller til datamatikere og er dermed kun relevant for de ansøgte bacheloruddannelser i Datalogi og Kunstig intelligens.
På baggrund af høringen konkluderer SDU således, at de hørte institutioner ikke har bekymringer vedr. den ansøgte kandidatuddannelser i datalogi.