Studieordning for kandidatuddannelsen i datavidenskab og machine learning, 2022

1: Forord

I medfør af lovbekendtgørelse nr. 778 af 7. august 2019 om universiteter (universitetsloven) fastsættes følgende studieordning. Uddannelsen følger endvidere eksamensordningen inkl. fællesbestemmelserne for Aalborg Universitet.

2: Bekendtgørelsesgrundlag

Kandidatuddannelsen er tilrettelagt i henhold til Uddannelses- og Forskningsministeriets bekendtgørelse nr. 2285 af 1. december 2021 om universitetsuddannelser tilrettelagt på heltid (uddannelsesbekendtgørelsen) og bekendtgørelse nr. 2271 af 1. december 2021 om eksamener og prøver ved universitetsuddannelser (eksamensbekendtgørelsen). Der henvises endvidere til bekendtgørelse nr. 104 af 24. januar 2021 (adgangsbekendtgørelsen) og bekendtgørelse nr. 114 af 3. februar 2015 (karakterbekendtgørelsen).

3: Campus

Uddannelsen udbydes i Aalborg.

4: Fakultetstilhørsforhold

Kandidatuddannelsen hører under Det Teknisk Fakultet for IT og Design, Aalborg Universitet.

5: Studienævnstilhørsforhold

Kandidatuddannelsen hører under Studienævn for Datalogi

6: Censorkorpstilhørsforhold

Kandidatuddannelsen er tilknyttet censorkorps for Matematik

7: Adgangskrav

Adgangsgivende uddannelser med retskrav på optagelse

  • Bachelor (BSc) i datavidenskab, Aalborg Universitet

Adgangsgivende uddannelser uden retskrav på optagelse

  • Bachelor (BSc) i datavidenskab, IT Universitetet København
  • Bachelor (BSc) i datavidenskab, Aarhus Universitet

Adgang til kandidatuddannelsen i Datavidenskab og machine learning forudsætter, at ansøgeren har gennemført en relevant adgangsgivende bachelor- eller diplomingeniøruddannelse. En bachelor- eller diplomingeniøruddannelse defineres som relevant, hvis uddannelsens centrale fag og/eller fagområder giver kompetencer i et omfang svarende til et minimum af 150 ECTS indenfor datalogi og statistik relateret aktiviteter, herunder:

  • Programmering   [10 ECTS]
  • Kunstig intelligens/machine learning [10 ECTS]
  • Algoritmer og datastrukturer [5 ECTS]
  • Calculus [5 ECTS]
  • Statistik [5 ECTS]
  • Databaser [5 ECTS]

8: Uddannelsens titel på dansk og engelsk

Kandidatuddannelsen giver ret til betegnelsen Cand.scient. i datavidenskab og machine learning. Den engelske betegnelse er Master of Science (MSc) in Data Science and Machine Learning.

9: Uddannelsens normering angivet i ECTS

Kandidatuddannelsen er en 2-årig forskningsbaseret heltidsuddannelse. Uddannelsen er normeret til 120 ECTS.

10: Regler om merit, herunder mulighed for valg af moduler, der indgår i en anden uddannelse ved et universitet i Danmark eller udlandet

Studienævnet kan godkende, at beståede uddannelseselementer fra andre uddannelser på samme niveau træder i stedet for uddannelseselementer i denne uddannelse (merit).

Studienævnet kan efter ansøgning ligeledes godkende, at en del af denne uddannelses uddannelseselementer gennemføres ved et andet universitet eller en anden videregående uddannelsesinstitution i Danmark eller i udlandet (forhåndsmerit).

Studienævnets afgørelser om merit træffes på baggrund af en faglig vurdering.

11: Dispensationer

Studienævnets muligheder for at tildele dispensation, herunder dispensation til yderligere prøveforsøg og særlige prøvevilkår, fremgår af eksamensordningen, der er offentliggjort på denne hjemmeside: https://www.studieservice.aau.dk/regler-vejledninger

12: Eksamensregler

Eksamensreglerne fremgår af eksamensordningen, der er offentliggjort på denne hjemmeside: https://www.studieservice.aau.dk/regler-vejledninger

13: Regler om skriftlige opgaver, herunder kandidatspeciale

I bedømmelsen af samtlige skriftlige arbejder skal der ud over det faglige indhold, uanset hvilket sprog de er udarbejdet på, også lægges vægt på den studerendes stave- og formuleringsevne. Til grund for vurderingen af den sproglige præstation lægges ortografisk og grammatisk korrekthed samt stilistisk sikkerhed. Den sproglige præstation skal altid indgå som en selvstændig dimension i den samlede vurdering. Dog kan ingen prøve samlet vurderes til bestået alene på grund af en god sproglig præstation, ligesom en prøve normalt ikke kan vurderes til ikke bestået alene på grund af en ringe sproglig præstation.

Studienævnet kan i særlige tilfælde (f.eks. ordblindhed og andet sprog end dansk som modersmål) dispensere herfor.

Specialet skal indeholde et resumé på engelsk. Hvis projektet er skrevet på engelsk, kan resumeet skrives på dansk. Resumeet indgår i helhedsvurderingen af projektet.

14: Regler om krav om læsning af tekster på fremmedsprog

Det forudsættes, at den studerende kan læse akademiske tekster på dansk, norsk, svensk og engelsk samt anvende opslagsværker mv. på andre europæiske sprog.

15: Eksamensbevisets kompetenceprofil

Nedenstående kompetenceprofil vil fremgå af eksamensbeviset:

En kandidat har kompetencer erhvervet gennem et uddannelsesforløb, der er foregået i et forskningsmiljø.

Kandidaten kan varetage højt kvalificerede funktioner på arbejdsmarkedet på baggrund af uddannelsen. Desuden har kandidaten forudsætninger for forskning (ph.d.-uddannelse). Kandidaten har i forhold til bacheloren udbygget sin faglige viden og selvstændighed, således at kandidaten selvstændigt anvender videnskabelig teori og metode inden for såvel akademisk og erhvervsmæssig/ professionel sammenhæng.

16: Uddannelsens kompetenceprofil

Kandidaten

Viden

  • har inden for data science viden, som på udvalgte områder er baseret på højeste internationale forskning inden for faget
  • kan forstå og på et videnskabeligt grundlag reflektere over faglig viden inden for faget data science og identificere videnskabelige problemstillinger inden for dette fag

Færdigheder

  • mestrer metoder og redskaber inden for data science samt generelle færdigheder, der knytter sig til datalogisk og matematisk forskning og udvikling og analyse af løsninger
  • kan vurdere og vælge blandt datalogiske og matematiske teorier, metoder, redskaber og generelle færdigheder og på et videnskabeligt grundlag opstille nye analyse- og løsningsmodeller
  • kan formidle forskningsbaseret viden og diskutere professionelle og videnskabelige problemstillinger med både fagfæller og ikke-specialister

Kompetencer

  • kan styre arbejds- og udviklingssituationer, der er komplekse, uforudsigelige og forudsætter nye løsningsmodeller.
  • kan selvstændigt igangsætte og gennemføre fagligt og tværfagligt samarbejde og påtage sig professionelt ansvar
  • kan selvstændigt tage ansvar for egen faglig udvikling og specialisering

17: Uddannelsens indhold og tilrettelæggelse

Uddannelsen er modulopbygget og tilrettelagt som et problembaseret studium. Et modul er et fagelement eller en gruppe af fagelementer, der har som mål at give den studerende en helhed af faglige kvalifikationer inden for en nærmere fastsat tidsramme angivet i ECTS-point, og som afsluttes med en eller flere prøver inden for bestemte eksamensterminer. Prøven er angivet og afgrænset i studieordningen.

Uddannelsen bygger på en kombination af faglige, problemorienterede og tværfaglige tilgange og tilrettelægges ud fra følgende arbejds- og evalueringsformer, der kombinerer færdigheder og faglig refleksion:

  • forelæsninger
  • klasseundervisning
  • projektarbejde (individuelt og i grupper)
  • workshops
  • opgaveløsning (individuelt og i grupper)
  • lærerfeedback
  • faglig refleksion
  • porteføljearbejde

18: Uddannelsesoversigt

Alle moduler bedømmes gennem individuel gradueret karakter efter 7-trinssskalaen eller bestået/ikke bestået. Alle moduler bedømmes ved ekstern prøve (ekstern censur) eller intern prøve (intern censur eller ingen censur)

Udbydes som: 1-faglig
Modulnavn Type ECTS Bedømmelse Censur Prøve Sprog
1. Semester
Data-og beregningsintensive systemer
(DSNDVK101)
Projekt 15 7-trins-skalaEkstern prøveMundtlig pba. projekt Dansk og Engelsk
Valgkurser på 1. semester
Vælg 3 kurser
Kursus 15
2. Semester
Data-intensive cyber-fysiske systemer
(DSNDVK201)
Projekt 15 7-trins-skalaIntern prøveMundtlig pba. projekt Dansk og Engelsk
Valgkurser på 2. semester
Vælg 3 kurser
Kursus 15
3. Semester
Forspecialisering i datavidenskab
(DSNDVK301)
Projekt 15 7-trins-skalaEkstern prøveMundtlig pba. projekt Dansk og Engelsk
Valgkurser på 3. semester
Vælg 3 kurser
Kursus 15
4. Semester
Kandidatspeciale
(DSNDATFK410)
Projekt 30 7-trins-skalaEkstern prøveSpeciale/afgangsprojekt Dansk og Engelsk

 
Valgkurser på 1. semester
Vælg 3 kurser
Modulnavn Type ECTS Bedømmelse Censur Prøve Sprog
Avanceret statistisk maskinlæring
(DSNDVK102)
Kursus 5 7-trins-skala Intern prøve Skriftlig eller mundtlig Dansk
Big data processer
(DSNDVK103)
Kursus 5 7-trins-skala Intern prøve Skriftlig eller mundtlig Dansk
Programmeringsparadigmer
(DSNDATFK111)
Kursus 5 7-trins-skala Ekstern prøve Skriftlig eller mundtlig Dansk og Engelsk
Læring og avanceret analyse af graf data
(DSNDVK104)
Kursus 5 7-trins-skala Intern prøve Skriftlig eller mundtlig Dansk

 
Valgkurser på 2. semester
Vælg 3 kurser
Modulnavn Type ECTS Bedømmelse Censur Prøve Sprog
Tidsrækkeanalyse og forecasting
(DSNDVK202)
Kursus 5 7-trins-skala Intern prøve Skriftlig eller mundtlig Dansk og Engelsk
Process Mining
(DSNDVK203)
Kursus 5 7-trins-skala Intern prøve Skriftlig eller mundtlig Dansk og Engelsk
Numerisk videnskabelig beregning
(ESNCTK2K3)
Kursus 5 Bestået/ikke bestået Intern prøve Aktiv deltagelse/løbende evaluering Engelsk
Algoritmer og beregnelighed
(DSNSWFB621)
Kursus 5 7-trins-skala Intern prøve Skriftlig eller mundtlig Dansk

 
Valgkurser på 3. semester
Vælg 3 kurser
Modulnavn Type ECTS Bedømmelse Censur Prøve Sprog
Specialiseringskursus i maskinintelligens
(DSNDATFK316)
Kursus 5 7-trins-skala Ekstern prøve Mundtlig Dansk og Engelsk
Distribuerede systemer
(DSNDATFK113)
Kursus 5 7-trins-skala Intern prøve Skriftlig eller mundtlig Dansk og Engelsk
Bayesiansk statistik, simulering og software
(22KMAT1BAYES)
Kursus 5 Bestået/ikke bestået Intern prøve Aktiv deltagelse/løbende evaluering Dansk
Entreprenørskab
(DSNDATFK311)
Kursus 5 7-trins-skala Intern prøve Skriftlig eller mundtlig Dansk

Valgfrie moduler oprettes i det omfang, studienævnet vurderer, at der er tilstrækkelig tilmelding til dem. Hvis et valgfag ikke oprettes, tilbydes de tilmeldte studerende andre valgfag. De angivne valgfrie moduler udbydes og oprettes efter studienævnsbeslutning. Det betyder, at ikke alle valgfagsmoduler oprettes hvert år. 

Forud for tilmeldingsperioden til 3. semester vil studienævn for datalogi orientere de studerende om, hvilke specialiseringskurser fra studieordningen, som vil blive udbudt det kommende semester. Ligeledes kan der blive tilføjet nye specialiseringskurser som følge af forskningsaktuelle emner.

19: Henvisninger til uddybende information

Alle studerende som ikke har deltaget i Aalborg Universitets PBL-introduktionsforløb i løbet af deres bacheloruddannelse, skal følge og have godkendt introduktionsforløbet ”Problembaseret læring og projektledelse” inden de kan deltage i projekteksamen. For nærmere information omkring introduktionsforløbet, se Institut for Datalogis hjemmeside.

20: Ikrafttrædelse og overgangsregler

Studieordningen er godkendt af dekanen og træder i kraft pr. 1. september 2022.

21: Ændringer til studieordningen

Prodekan for uddannelse har den 1. december 2022 godkendt, at følgende valgfagstekst tilføjes i §18 gældende fra efteråret 2022: 

Valgfrie moduler oprettes i det omfang, studienævnet vurderer, at der er tilstrækkelig tilmelding til dem. Hvis et valgfag ikke oprettes, tilbydes de tilmeldte studerende andre valgfag. De angivne valgfrie moduler udbydes og oprettes efter studienævnsbeslutning. Det betyder, at ikke alle valgfagsmoduler oprettes hvert år.

Prodekanen for uddannelse har den 13. januar 2023 godkendt, at prøveformen i modulet "Numerisk videnskabelig beregning"  ændres fra skriftlig eller mundtlig til aktiv deltagelse/løbende evaluering, med mundtlig reeksamen. Dispensationen er gældende fra foråret 2023. 

Prodekanen for uddannelse har den 23. august 2023 godkendt, at valgfaget "Spacial and Temporal Analytics" udskiftes med "Specialiseringskursus i maskinintelligens"  på 3. semester. Dispensationen er kun gældende for efteråret 2023.