I medfør af lovbekendtgørelse nr. 391 af 10. april 2024 om universiteter (universitetsloven) fastsættes følgende studieordning.
Uddannelsen følger endvidere eksamensordningen inkl. fællesbestemmelserne for Aalborg Universitet.
Kandidatuddannelsen er tilrettelagt i henhold til Uddannelses- og Forskningsministeriets bekendtgørelse nr. 2285 af 1. december 2021 om universitetsuddannelser tilrettelagt på heltid (uddannelsesbekendtgørelsen) med senere ændringer og bekendtgørelse nr. 2271 af 1. december 2021 om eksamener og prøver ved universitetsuddannelser (eksamensbekendtgørelsen) med senere ændringer. Der henvises endvidere til bekendtgørelse nr. 51 af 14. januar 2024 (universitetsadgangsbekendtgørelsen) og bekendtgørelse nr. 1125 af 4. juli 2022 (karakterskalabekendtgørelsen).
Uddannelsen udbydes i Aalborg.
Kandidatuddannelsen hører under Det Teknisk Fakultet for IT og Design, Aalborg Universitet.
Kandidatuddannelsen hører under Studienævn for Datalogi
Kandidatuddannelsen er tilknyttet censorkorps for Matematik
Adgangsgivende uddannelser med retskrav på optagelse
Adgangsgivende uddannelser uden retskrav på optagelse
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:
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.
Kandidatuddannelsen er en 2-årig forskningsbaseret heltidsuddannelse. Uddannelsen er normeret til 120 ECTS.
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.
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
Eksamensreglerne fremgår af eksamensordningen, der er offentliggjort på denne hjemmeside: https://www.studieservice.aau.dk/regler-vejledninger
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.
Det forudsættes, at den studerende kan læse akademiske tekster på dansk, norsk, svensk og engelsk samt anvende opslagsværker mv. på andre europæiske sprog.
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.
Kandidaten
Viden
Færdigheder
Kompetencer
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:
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
(DSNDVMLK131) | Projekt | 15 | 7-trins-skala | Ekstern prøve | Mundtlig pba. projekt | Dansk |
Valgkurser på 1. semester
Vælg 3 kurser
| Kursus | 15 | ||||
2. Semester
| ||||||
Data-intensive cyber-fysiske systemer
(DSNDVMLK231) | Projekt | 15 | 7-trins-skala | Intern prøve | Mundtlig pba. projekt | Dansk og Engelsk |
Valgkurser på 2. semester
Vælg 3 kurser
| Kursus | 15 | ||||
3. Semester
| ||||||
Forspecialisering i datavidenskab og machine learning
(DSNDVMLK331) | Projekt | 15 | 7-trins-skala | Ekstern prøve | Mundtlig pba. projekt | Dansk og Engelsk |
Valgkurser på 3. semester
Vælg 3 kurser
| Kursus | 15 | ||||
4. Semester
| ||||||
Kandidatspeciale
(DSNDATFK431) | Projekt | 30 | 7-trins-skala | Ekstern prøve | Speciale/afgangsprojekt | Dansk og Engelsk |
Valgkurser på 1. semester Vælg 3 kurser | ||||||
Modulnavn | Type | ECTS | Bedømmelse | Censur | Prøve | Sprog |
Avanceret statistisk maskinlæring
(DSNDVMLK132) | Kursus | 5 | 7-trins-skala | Intern prøve | Skriftlig eller mundtlig | Dansk |
Big data processer
(DSNDVMLK133) | Kursus | 5 | 7-trins-skala | Intern prøve | Skriftlig eller mundtlig | Dansk |
Programmeringsparadigmer
(DSNDATFK132) | Kursus | 5 | 7-trins-skala | Ekstern prøve | Skriftlig eller mundtlig | Dansk og Engelsk |
Læring og avanceret analyse af graf data
(DSNDVMLK134) | Kursus | 5 | 7-trins-skala | Intern prøve | Skriftlig eller mundtlig | Dansk |
AI til sproganalyse
(MSNDAKIB5233) | Kursus | 5 | 7-trins-skala | Intern prøve | Mundtlig pba. projekt | Dansk |
Valgkurser på 2. semester Vælg 3 kurser | ||||||
Modulnavn | Type | ECTS | Bedømmelse | Censur | Prøve | Sprog |
Tidsrækkeanalyse og forecasting
(DSNDVMLK232) | Kursus | 5 | 7-trins-skala | Intern prøve | Skriftlig eller mundtlig | Dansk og Engelsk |
Process Mining
(DSNDVMLK233) | 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 |
Avancerede algoritmer
(DSNDVMLFK234) | Kursus | 5 | 7-trins-skala | Ekstern prøve | Skriftlig eller mundtlig | Dansk |
Drift af AI-systemer
(MSNDAKIB4232) | Kursus | 5 | Bestået/ikke bestået | Intern prøve | Skriftlig eller mundtlig | Dansk |
Valgkurser på 3. semester Vælg 3 kurser | ||||||
Modulnavn | Type | ECTS | Bedømmelse | Censur | Prøve | Sprog |
Spatial and Temporal Analytics
(DSNDVMLK332) | Kursus | 5 | 7-trins-skala | Intern prøve | Skriftlig eller mundtlig | Dansk og Engelsk |
Distribuerede systemer
(DSNDATFK134) | 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
(DSNDATFK332) | Kursus | 5 | 7-trins-skala | Intern prøve | Skriftlig eller mundtlig | Dansk |
Billedbehandling og computervision
(MSNAVSK1232) | Kursus | 5 | 7-trins-skala | Intern prøve | Skriftlig eller mundtlig | Engelsk |
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.
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.
Studieordningen er godkendt af dekanen og træder i kraft pr. 1. september 2025.
Studienævnet udbyder ikke undervisning efter den hidtidige studieordning fra 2022 efter sommereksamen 2026.
Studienævnet udbyder eksamen i moduler fra den hidtidige studieordning, i det omfang der er studerende, der har brugt prøveforsøg i et modul uden at bestå. Antallet af prøveforsøg følger eksamensbekendtgørelsen.