Det kan føles nærmest uoverkommelig å finne ut hvor man skal studere datavitenskap, og hvilken retning man skal velge innenfor fagfeltet. Mangfoldet i feltet er enormt, og de forskjellige institusjonene har en stor variasjon av studieretninger, enkeltemner og programmer, noe som gjør det ekstra viktig å sammenligne de tilbudene som finnes der ute. Men det første du bør gjøre når du skal bestemme deg for hva du skal studere, er å finne ut hvilken gren av datavitenskapen du faktisk er interessert i, og hvilket studieløp du vil få mest ut av.

Ideelt sett har du allerede syslet en del med data og programmering, enten på fritiden eller i forbindelse med skolegang, eller du har en relevant bakgrunn fra før, men føler at tiden er inne for faglig påfyll. Kanskje du har tatt noen nettbaserte kurs i grunnleggende emner relevant til datavitenskap, og er klar for å ta det videre med en formell utdannelse?

Det er dessuten mange gode grunner til å studere datavitenskap!

Det finnes mange kurs der ute, og her i Norge har du en del institusjoner å velge mellom, som Folkeuniversitetet i Oslo sine fysiske og virtuelle kurs, eller nettbaserte kurs fra HIST. Men også flere av universitetene tilbyr nettundervisning i emner som grunnleggende informasjonsteknikk og programmering. Det finnes også gode ressurser på nettet du kan lese deg opp på, og mange nettsider er dedikerte til å gi god og oppdatert informasjon om hva som skjer på feltet. Å lese deg opp på egenhånd kan ikke minst hjelpe deg i jakten på å finne ut hvilke retninger innenfor datavitenskapen som appellerer til deg.

Dersom du allerede vet at det er dette du ønsker å satse på, og ikke trenger ytterligere overbevisning, så er det bare å finne ut hvilken studieretning du skal gå for, og hvor i verden du skal søke deg inn.

Vi har delt opp denne guiden i fem hovedbolker for å gi deg de beste valgmulighetene. Først skal vi se litt på hvilke muligheter du har her hjemme i Norge, videre lister vi opp de de beste stedene å studere datavitenskap ellers i Europa, for så å se på de høyest rangerte alternativer utenfor vårt eget kontinent.

Den siste delen av artikkelen er dedikert til gode nettressurser for alle nivåer, enten du allerede jobber med datavitenskap, er midt i studiene, eller om du er en som lærer best på egenhånd. Når du leter etter det perfekte studieprogrammet, er det viktig å ta i betraktning at datavitenskapen utvikler seg hele tiden, og i et såpass innovativt felt bør du studere et sted som er gode til å ta høyde for de endringene som skjer.

De beste ITlærerne tilgjengelig
Kristian
4,9
4,9 (10 Evaluering(er))
Kristian
199kr
/t
Gift icon
1. kurstime gratis!
Håvar
5
5 (4 Evaluering(er))
Håvar
599kr
/t
Gift icon
1. kurstime gratis!
Eric
Eric
230kr
/t
Gift icon
1. kurstime gratis!
Singh
5
5 (4 Evaluering(er))
Singh
250kr
/t
Gift icon
1. kurstime gratis!
Eirik
Eirik
200kr
/t
Gift icon
1. kurstime gratis!
Runar
5
5 (1 Evaluering(er))
Runar
350kr
/t
Gift icon
1. kurstime gratis!
Johannes
5
5 (1 Evaluering(er))
Johannes
200kr
/t
Gift icon
1. kurstime gratis!
Kristian
Kristian
300kr
/t
Gift icon
1. kurstime gratis!
Kristian
4,9
4,9 (10 Evaluering(er))
Kristian
199kr
/t
Gift icon
1. kurstime gratis!
Håvar
5
5 (4 Evaluering(er))
Håvar
599kr
/t
Gift icon
1. kurstime gratis!
Eric
Eric
230kr
/t
Gift icon
1. kurstime gratis!
Singh
5
5 (4 Evaluering(er))
Singh
250kr
/t
Gift icon
1. kurstime gratis!
Eirik
Eirik
200kr
/t
Gift icon
1. kurstime gratis!
Runar
5
5 (1 Evaluering(er))
Runar
350kr
/t
Gift icon
1. kurstime gratis!
Johannes
5
5 (1 Evaluering(er))
Johannes
200kr
/t
Gift icon
1. kurstime gratis!
Kristian
Kristian
300kr
/t
Gift icon
1. kurstime gratis!
Start nå

Hvor er det best å studere datavitenskap i Norge?

Å jobbe som data scientist kan være gøy, givende og lønnsomt, og det er ikke minst en av de profesjonene som vokser mest. Med store innovasjoner innen data, spesialisert programvare og måten bedrifter bruker data på, er det en fristende bransje å begi seg ut på.

Men å skulle lete seg frem i jungelen av alternativer og finne det som er rett for deg, kan gjerne være både forvirrende og frustrerende. Bare her i Norge er det en mengde gode programmer å velge mellom på flere velrennomerte universiteter og høyskoler. Om man ser på den berømte QS-rangeringen, som vurderer flere tusen universiteter over hele verden hvert år, så ligger hele tre av universitetene våre på listen over de 200–500 beste stedene i verden å studere datavitenskap og informatikk. Disse er:

  1. Norges teknisk-naturvitenskapelige universitet (NTNU)
  2. Universitetet i Oslo (UiO)
  3. Universitetet i Bergen (UiB)

Studere kunstig intelligens i Norge

En av de mest omfattende og spennende spesialiseringene, og kanskje den mest populære, er kunstig intelligens, også kalt KI. En av de grunnleggende problemene som kunstig intelligens ønsker å løse, er automatisering. Dette kan angå alt fra å produsere mobiltelefoner til å forbedre teknologien i selvkjørende biler.

Kunstig intelligens-feltet kombinerer det beste fra datavitenskapens prinsipper om statistisk analyse med komplekse algoritmer, noe som gjør det til et ideelt fagfelt for alle kreative datafolk og matteentusiaster. Disiplinen beskjeftiger seg i stor grad med datautvinning og databehandling, noe flere institusjoner har spesialisert seg på. Den følgende listen er langt fra utfyllende, men representerer noe av det beste du kan få av utdannelse på feltet i Norge:

  1. NTNU – I studieprogrammet Industriell økonomi og teknologiledelse kan du studere kunstig intelligens som fagretning. NTNU samarbeider med noen av verdens beste universiteter for å utvikle teknologi som kan "se" og "høre". NTNU arrangerer dessuten årlig Teknologiuka for jenter.
  2. UiB – Tilbyr bachelor i kunstig intelligens. Du vil lære å bruke data- og informasjonsvitenskap for å få maskiner til å løse oppgaver som vanligvis krever menneskelig intelligens, med fokus på etikk og bærekraft.
  3. Høyskolen i Kristiania (privat) – Tilbyr også en bachelor i kunstig intelligens, der du kan lære om tingenes internett og digital kommunikasjon. Du får bygge maskiner fra bunnen, for så å lære deg hvordan programmere dem.
Jentedagen på NTNU.
Teknologiuka for jenter (tidligere Jentedagen) er et tilbud fra NTNU for alle jenter som tar R2 det siste året på videregående. Uka har som formål å inspirere en større andel jenter til å studere teknologi og realfag. Bilde: Visualhunt
De beste ITlærerne tilgjengelig
Kristian
4,9
4,9 (10 Evaluering(er))
Kristian
199kr
/t
Gift icon
1. kurstime gratis!
Håvar
5
5 (4 Evaluering(er))
Håvar
599kr
/t
Gift icon
1. kurstime gratis!
Eric
Eric
230kr
/t
Gift icon
1. kurstime gratis!
Singh
5
5 (4 Evaluering(er))
Singh
250kr
/t
Gift icon
1. kurstime gratis!
Eirik
Eirik
200kr
/t
Gift icon
1. kurstime gratis!
Runar
5
5 (1 Evaluering(er))
Runar
350kr
/t
Gift icon
1. kurstime gratis!
Johannes
5
5 (1 Evaluering(er))
Johannes
200kr
/t
Gift icon
1. kurstime gratis!
Kristian
Kristian
300kr
/t
Gift icon
1. kurstime gratis!
Kristian
4,9
4,9 (10 Evaluering(er))
Kristian
199kr
/t
Gift icon
1. kurstime gratis!
Håvar
5
5 (4 Evaluering(er))
Håvar
599kr
/t
Gift icon
1. kurstime gratis!
Eric
Eric
230kr
/t
Gift icon
1. kurstime gratis!
Singh
5
5 (4 Evaluering(er))
Singh
250kr
/t
Gift icon
1. kurstime gratis!
Eirik
Eirik
200kr
/t
Gift icon
1. kurstime gratis!
Runar
5
5 (1 Evaluering(er))
Runar
350kr
/t
Gift icon
1. kurstime gratis!
Johannes
5
5 (1 Evaluering(er))
Johannes
200kr
/t
Gift icon
1. kurstime gratis!
Kristian
Kristian
300kr
/t
Gift icon
1. kurstime gratis!
Start nå

Hvor er det best å studere datavitenskap i Europa?

Om du har et talent for statistikk og prediktiv analyse, men ikke ønsker å studere ren informatikk eller ta dataingeniørstudier, så er det mange andre retninger innenfor datavitenskapen som er vel så interessante. Feltet kombinerer det beste fra statistikkens og informatikkens verden, og trekker det mest interessante ut av dataanalyse som kan brukes i programmering.

Statistikk er dessuten svært anvendelig.

Dataanalyse er et dynamisk felt, og om du ønsker å bli ekspert i dataprosessering, og å effektuere prosessen, så er datavitenskapen veien å gå. Studieprogrammer i datavitenskap vil typisk inkludere emner som har å gjøre med stordata (Big Data), databehandling og programmering. I følge QS-rangeringen ligger noen av de beste institusjonene i Europa i Storbritannia, men sjansene er gode for en utmerket utdannelse flere steder. Topp 10 utgjøres av:

  1. Universitetet i Oxford – Institutt for informatikk (Department of computer science)
  2. Universitetet i Cambridge – Institutt for informatikk og teknologi (Department of Computer Science and Technology)
  3. EPFL (Sveitsisk føderalt institutt for teknologi i Lausanne) – Teknisk høyskole
  4. ETH Zürich (Sveitsisk føderalt institutt for teknologi i Zürich) – Teknisk høyskole
  5. Imperial College London – Institutt for databehandling (Department of Computing)
  6. University College London – Institutt for informatikk (Department of Computer Science)
  7. Universitetet i Edinburgh – Avdeling for informatikk (School of Informatics)
  8. Det tekniske universitetet i Munich – Fakultetet for informatikk
  9. PSL forskningsuniversitet, Dauphine – Program for informatikk (Graduate program for Informatics)
  10. Universitetet i Amsterdam – Høyskolen for informatikk (Graduate school for Infomatics)

Hvor er det best å studere datavitenskap i verden?

Med en interesse i et så dynamisk og allestedsnærværende felt som datavitenskap, har du ikke bare gode muligheter her hjemme i Norge eller i Europa når du skal studere, det åpner opp for å studere nær sagt hvor som helst i verden. Selv om mange av de aller beste programmene er å finne i Storbritannia og USA, så finnes det mange gode alternativer andre steder i verden også, med en mengde spennende studieretninger og spesialiseringer.

Skal du studere i utlandet, trenger du i mange tilfeller studentvisum. Det er relativt enkelt å få innvilget sammenlignet med andre visum, men selv om det er visse byråkratiske hindre å forsere før du kan sette i gang, så la ikke det stå i veien for det perfekte studieprogrammet. Dersom du vil ut i verden, har vi listet opp de ti beste stedene å studere datavitenskap utenfor Europa, i følge den siste rangeringen til QS:

  1. Massachusetts Institute of Technology (MIT), USA – Senter for statistikk og datavitenskap (Statistics and Data Science Center)
  2. Universitetet i Stanford, USA – Fakultetet for ingeniørfag (School of engineering)
  3. Carnegie Mellon University, USA – Fakultetet for informatikk (School of Computer Science)
  4. National University of Singapore, Singapore – Informatikk-avdelingen (The Department of Computer Science)
  5. Universitetet i California, Berkley, USA – Avdelingen for databehandling, datavitenskap og samfunn (The Division of Computing, Data Science & Society)
  6. Universitet i Toronto, Canada – Fakultetet for databehandling (School of Computing)
  7. Nanyang Technological University, Singapore – Fakultetet for informatikk og ingeniørfag
  8. Tsinghua-universitet, Kina – Fakultetet for informatikk og teknologi
  9. Princeton-universitet, USA – Avdeling for informatikk (Department of Computer Science)
  10. Universitet i Washington, Seattle, USA – Paul G. Allen-senteret for informatikk og ingeniørfag (Paul G. Allen Center for Computer Science and Engineering)
Paul G. Allen Center for Computer Science and Engineering.
Paul G. Allen-instituttet for informatikk og ingeniørfag i Washington er blant de universitetene som klatrer mest på rangeringene av institusjoner som tilbyr studier i datavitenskap. Instituttet er oppkalt etter Bill Gates' medgrunnlegger av Microsoft. Bilde: Visualhunt

Ressurser for datavitenskap

Datavitenskapen er i konstant utvikling, noe som kan gjøre det vanskelig å holde seg oppdatert på alt som skjer av nyvinninger. Resten av artikkelen er derfor dedikert til noen av de beste ressursene innen datavitenskapen, både for deg som så vidt har kommet i gang med karrieren eller studiene, eller om du allerede er en erfaren data scientist eller statistiker. Selv om datavitenskap og statistikk i stor grad henger sammen, så har ressursene for de to feltene forskjellige innfallsvinkler. Listen dekker flere aspekter, alt fra programmering og øvingsressurser for studenter til nettbaserte kurs.

Datasett-øvelser

Å studere eller jobbe innen profesjoner i datavitenskapen kan involvere en god del selvstudier. Og når det kommer til å analysere og modellere data, så er det ingen bedre måte å gjøre det på enn å øve på ekte datasett. Det kan være vanskelig å finne de beste datasettene for formålet, ettersom det er en uendelig mengde gratisressurser å velge mellom på nett.

Men det er noen nettsider som utmerker seg og gjør det veldig enkelt å søke opp, analysere og i det hele tatt lære mer om analyse. En nettside som er særlig brukervennlig for data scientists på alle nivåer, er Kaggle. Kaggles blogg setter søkelys på det som er mest fascinerende ved datavitenskap, og tilbyr blant annet interne konkurranser blant brukerne sine.

Blogger om datautvinning

Når det kommer til datautvinning, så kan en del av det beregningsmessige og analytiske ved feltet være vanskelig å forstå, selv for de mest erfarne. Noe av det mest frustrerende folk opplever, kan være utfordringer ved å prosessere, behandle og strukturere data og informasjon på en god nok måte.

Trenger du hjelp med plattformen du bruker, med datavask eller er du bare nysgjerrig på datautvinning generelt, er det mange gode ressurser på nett som kan hjelpe deg med å komme i gang. Universitetet i Ljubljana har en utmerket blogg, der de tar opp mange interessante temaer om datautvinning med relevans til arbeidslivet etter studiene.

 

Person følger webinar.
Å følge et webinar kan du gjøre fra din egen stue. En fin måte å finne ut om det å studere datavitenskap er noe for deg. Bilde: Unsplash

Blogger om maskinlæring

Maskinlæring er en av de spesialiseringene innen datavitenskapen som er i størst utvikling. Selv om mange studieprogrammer introduserer maskinlæring tidlig i forløpet, så er det en stor fordel å følge med i utviklingen og fylle på med nødvendig kunnskap hele tiden.

Dersom du ønsker oppdatert fagpåfyll som forklarer komplekse algoritmer, eller hjelp til å forstå teorien bak maskinlæring, er det mange fine blogger ute på nettet som kan være til god hjelp. En av dem er Machine Learning Mastery drevet av Jason Brownlee, en utvikler med doktorgrad i kunstig intelligens som selv jobber direkte med maskinlæring.

Webinarer om datavitenskap

Å bare sette i gang med å lese seg opp på datavitenskap sånn uten videre er ikke bare enkelt, for hvor skal man i det hele tatt begynne? Utvalget i nettbaserte ressurser kan virke endeløst og overveldende på de fleste av oss.

En av de første faktorene du bør vurdere når du leter etter det perfekte nettkurset, er hva du er villig til å betale for det. Kurs koster, men webinarer kan være et bra sted å begynne for å legge et lite grunnlag før du vurderer å gå mer seriøst til verks. Nettsiden Tdwi tilbyr varierte webinarer om datavitenskapens rolle i verden, og koster litt. Mens nettsiden R-bloggers, som samler svært mange folk som blogger og snakker om datavitenskap på ett sted, har flere gratis-webinarer om alt mulig som har med datavitenskap å gjøre.

>

Plattformen som kobler privatlærere og elever

Første kurstime gratis

Likte du denne artikkelen? Vurder den!

5,00 (1 vurdering(er))
Loading...

Jorun

Språkdame med forkjærlighet for rettskriving generelt, skjønnlitteratur, strikketøy og katter spesielt.