Tietotekniikan kandidaatti (BDatSci)
Stellenbosch University
Keskeiset tiedot
Kampuksen sijainti
Stellenbosch, Etelä-Afrikka
Kieli (kielet
Englanti
Opintomuoto
Kampuksella
Kesto
4 vuotta
Vauhti
Täysaikainen
Lukukausimaksut
ZAR 60 000 / per year
Hakemuksen määräaika
Pyydä tietoja
Aikaisin aloituspäivä
Feb 2025
Apurahat
Tutki stipendimahdollisuuksia opintojen rahoittamiseksi
Johdanto
Neljännellä teollisella vallankumouksella on valtava vaikutus tieteeseen ja teknologiaan, sillä se vaikuttaa niihin poikkeuksellisilla tavoilla. Tekoäly, koneoppiminen, tilastollinen oppiminen, syväoppiminen ja big data ovat kaikki tietotieteen tieteenalan ytimessä olevia käsitteitä. Lähes kaikilla aloilla työskentely on muuttumassa datalähtöisemmäksi, ja tämä jatkuva työn muutos vaatii huomattavan joukon lahjakkaita tutkinnon suorittaneita, joilla on pitkälle kehittyneet datatieteen taidot ja tiedot. Datatieteen tutkinto on siksi erittäin toivottava ja tarjoaa monia työmahdollisuuksia.
Vaikka useat tiedekunnat ovat viime vuosina ottaneet käyttöön joitakin perustutkinto-ohjelmia, joissa tietotiede on painopistealueena, Stellenbosch University (SU) on käynnistänyt uuden datatieteen perustutkinto-ohjelman, joka on luonteeltaan todella monitieteinen. BDatSci-ohjelma on ollut tarjolla osoitteessa Stellenbosch University vuodesta 2021 lähtien. Sitä tarjotaan kampuksella kontaktiistunnoilla. Tätä ei tarjota verkossa tai etänä.
Osastojen ja tiedekuntien välinen yhteistyö
Tämä ohjelma esitetään neljässä tiedekunnassa, nimittäin talous- ja hallintotieteiden, luonnontieteiden, maataloustieteen sekä taiteiden ja yhteiskuntatieteiden tiedekunnassa. Tiedekunta, johon opiskelija on ilmoittautunut neljäntenä vuonna, myöntää hänen tutkinnon.
Uramahdollisuudet
Datatieteen tutkinnon suorittaneet voivat käyttää taitojaan todellisten ongelmien ratkaisemiseen niinkin erilaisilla aloilla kuin genetiikka, terveydenhuolto, sähköinen kaupankäynti, rahoitus, hallinto tai vähittäiskauppa.
Galleria
Opetussuunnitelma
BDatSci-ohjelma koostuu joukosta ydinmoduuleja kaikilla neljän vuoden tasoilla. Ydinmoduulit luovat pohjan tietotieteen alan opinnoille. Muilta osin sinulla on suhteellisen vapaa valinta painopistealueiden välillä, jotta voit keskittyä hyvin tiettyyn alaan datatieteen ympäristössä. Kun valitset lisämoduuleja (ei osa painopistealuetta), ota huomioon eri tiedekuntakalentereiden alussa olevan yleisen aikataulun yhteentörmäyksiä koskevat määräykset.
Siksi tässä ohjelmassa on mahdollista keskittyä tiettyyn tutkimusalueeseen, jota kutsutaan painopistealueeksi. Ilmoittaudut virallisesti BDatSciin siinä tiedekunnassa, joka tarjoaa painopistealueen.
Ensimmäinen vuosi: ydinmoduulit (pisteet, lukukausi)
- Todennäköisyyslaskenta ja tilastot 114 (16, lukukausi 1)
- Matematiikka [laskenta] 114 (16, lukukausi 1)
- Matematiikka [laskenta ja lineaarinen algebra] 144 (16, lukukausi 2)
- Tietojenkäsittelytiede [Introductory Computer Science] 113 (16, lukukausi 1)
- Tietojenkäsittelytiede [Introductory Computer Science] 144 (16, lukukausi 2)
- Data Science 141 (16, lukukausi 2)
Toinen vuosi: ydinmoduulit (pisteet, lukukausi)
- Matemaattiset tilastot [Jakaumateoria ja johdanto tilastopäätelmään] 214 (16, lukukausi 1)
- Matemaattiset tilastot [Tilastollinen päätelmä] 245 (8, lukukausi 2)
- Matemaattinen tilasto [Lineaariset mallit tilastoissa] 246 (8, lukukausi 2)
- Matematiikka [Kehittynyt laskenta ja lineaarialgebra] 214 (16, lukukausi 1)
- Tietojenkäsittelytiede [Tietorakenteet ja algoritmit] 214 (16, lukukausi 1)
- Tietojenkäsittelytiede [tietokonearkkitehtuuri] 244 (16, lukukausi 2)
- Data Science 241 (16, lukukausi 2)
Kolmas vuosi: ydinmoduulit (opintopisteet, lukukausi)
- Matemaattinen tilasto [Tilastollinen päättely ja todennäköisyysteoria] 312 (16, lukukausi 1)
- Tietojenkäsittelytiede [koneoppiminen] 315 (16, lukukausi 1)
- Tietojenkäsittelytiede [tietokannat] 34X (16, lukukausi 2)
- Data Science 314 (16, lukukausi 1)
- Data Science 344 (16, lukukausi 2)
Neljäs vuosi: ydinmoduulit (opintopisteet, lukukausi)
- Johdatus tilastooppimiseen 441 (12, lukukausi 1)
- Datatieteen tutkimustehtävä 441 (40, lukukausi 1 ja 2)
Urapainotteiset painopisteet
Painopisteet ovat uralähtöisiä ja moduulien yhdistelmät ovat pakollisia jokaisella näistä painopistealueista:
1. Tilastollinen oppiminen (talous- ja johtamistieteellinen tiedekunta): Tilastollinen oppiminen edellyttää tietojen suuntausten ja mallien tunnistamista ja niiden käyttämistä matemaattisten mallien rakentamiseen, joita voidaan käyttää tulosten ennustamiseen tai luokitteluun. Sitä käytetään monilla aloilla, kuten tietokonenäön, puheentunnistuksen, urheilun ja rahoituksen alalla.
Tämän painopistealueen moduulit ovat pääasiassa tilastotieteen ja aktuaaritieteen laitoksen tarjoamasta matemaattisesta tilastosta.
2. Tietojenkäsittelytiede (luonnontieteellinen tiedekunta): Tietojenkäsittelytiede tutkii laskennan ja tietojenkäsittelyn periaatteita ja käytäntöjä; se harkitsee ongelmanratkaisutekniikoita ja tietojen manipulointia kaikessa tiedon reitittämisestä Internetin kautta ja sosiaalisen median syötteiden syöttämisestä GPS-satelliittien ohjaamiseen, robottien valmistukseen tai jopa tietokoneeseen.
Tämän painopistealueen moduulit ovat pääasiassa tietojenkäsittelytieteen osaston tarjoamia tietotekniikkaa.
3. Analytiikka ja optimointi (taloustieteiden tiedekunta): Operaatioiden tutkijat käyttävät analytiikkaa ja optimointitekniikoita muuttaakseen maailmaa. Matematiikkaa sovelletaan monimutkaisiin ongelmiin mielekkäiden, tietopohjaisten oivallusten ja parannusten löytämiseksi. Toimintatutkimus on tiedettä paremmasta, näyttöön perustuvasta päätöksenteosta.
Tämän painopistealueen moduulit ovat pääosin Logistiikan laitoksen tarjoamasta Operations Researchista.
4. Soveltava matematiikka (luonnontieteellinen tiedekunta): Soveltava matematiikka tarkastelee matemaattisten menetelmien todellisia sovelluksia esimerkiksi luonnontieteiden, tekniikan, liiketalouden, tietojenkäsittelytieteen ja teollisuuden aloilla. Se on siis yhdistelmä matematiikkaa, luonnontieteitä ja alan tietämystä.
Tämän painopistealueen moduulit ovat pääasiassa Applied Mathematics -osastolta, jota tarjoaa sovelletun matematiikan osasto.
5. Behavioral Economics (taloustieteiden tiedekunta): Behavioral Economics tutkii, kuinka psykologiset ja taloudelliset tekijät vaikuttavat päätöksiin, joita teemme sijoittajina, kuluttajina, äänestäjinä ja työntekijöinä. Näiden teorioiden soveltaminen dataan antaa datatutkijoille mahdollisuuden ymmärtää, ennustaa ja vaikuttaa ihmisten käyttäytymiseen.
Tämän painopistealueen moduulit ovat pääasiassa taloustieteen laitokselta.
6. Tilastogenetiikka (maataloustieteellinen tiedekunta): Tilastogenetiikka on tutkimusala, jossa tilastollisia menetelmiä käytetään geneettisten tietojen päättelemiseen. Sitä käyttävät mm. populaatiokvantitatiivisessa genetiikassa esimerkiksi kasvinjalostajat ja suojelugeneetikot sekä geneettisessä epidemiologiassa, jossa tutkitaan geenien vaikutuksia sairauksiin.
Tämän painopistealueen moduulit ovat pääasiassa biologian ja tilastollisen genetiikan osastolta, joita tarjoaa genetiikan laitos.
7. Geoinformatiikka (taide- ja yhteiskuntatieteellinen tiedekunta): Geoinformatiikka on tiede ja teknologia, joka käsittelee paikkatiedon rakennetta ja luonnetta, sen talteenottoa, luokittelua ja luokittelua, tallennusta, käsittelyä, kuvaamista ja levittämistä.
Tämän painopistealueen moduulit ovat pääasiassa maantieteen ja ympäristötieteen laitoksen tarjoamaa geoinformatiikkaa.
8. Tilastollinen fysiikka (luonnontieteellinen tiedekunta): Tilastofysiikka käyttää hienostunutta matematiikkaa ja simulaatioita tutkiakseen ja ymmärtääkseen kaiken taustalla olevan fysiikan kvanttimekaniikasta vaihesiirtymiin tehdasmuttereihin ja -pultteihin.
Tämän painopistealueen moduulit ovat pääasiassa fysiikan laitoksen tarjoamaa tilastofysiikkaa.