Datavitenskap høres ut som drømmefaget for alle verdens datanerder, men føles i mange tilfeller like fremmedgjørende for allmennheten i dag som det må ha gjort i sin spede begynnelse. Bare begrepet "datavitenskap" kan gi assosiasjoner til uforståelige algoritmer, binærtall og abstrakte begreper om programmering og koding. Men akkurat nå lever vi i et interessant paradoks, for datavitenskap er faktisk brennaktuelt for langt de fleste av oss, samtidig som det kan virke fjernt så fort det assosieres med matte og informatikk.
Fordelene med å lære datavitenskap
Men sannheten er at datavitenskap finner veien inn i nærmest alle aspekter av hverdagen vår, enten vi liker det eller ikke. Setter du deg inn i emnet, eller til og med vurderer å gjøre en karriere i det, så kan du sikre deg bedre innsikt i hva som til en hver tid skjer i utviklingen av alt fra teknologi, medisin, økonomi og klimaendringer.
Midt i smørøyet av datavitenskapen ligger imidlertid en disiplin som mange av oss mener å vite noe om, nemlig statistikk. Om du tenker over det, så er det ikke lett å komme seg gjennom livet uten at noen forventer at vi er i stand til å tenke analytisk eller kritisk om noe, og selv om det som ligger bak statistikken kan virke komplisert, så er det i grunn ganske enkelt. Statistikk er enkelt forklart innsamling av dagens informasjon for å ta avgjørelser i morgen, og dette er noe vi gjør hver dag, flere ganger daglig.
Noen av fordelene med å mestre vitenskapen bak tallene kan være å:
- Få større jobbsikkerhet
- Styrke bedriften din
- Inngå innovative samarbeid
- Få en bedre forståelse for beskatning
Denne listen er langt fra utfyllende, men den understreker viktigheten av datavitenskap og -analyse, både som profesjon og som en naturlig del av privat- og arbeidslivet vårt.
Les mer om fordelene datavitenskapen har for arbeidslivet her.
Du bruker datavitenskap hver eneste dag
Å forstå hvordan innsamling av data har utviklet seg, og hvordan det brukes i dag, kan faktisk gjøre livet ditt langt enklere og mer oversiktlig. Det høres kanskje ut som en overmodig påstand, inntil du setter deg inn i hva det går i, og hvordan du kan bruke det til din fordel.
Statistikk påvirker oss nemlig daglig. Det kan brukes til alt fra å presentere økonomi på en forståelig måte, til å få nye medisiner ut på markedet. Statistikk kan også hjelpe deg på et mer individuelt nivå. Har du en pulsklokke, en søvn-app, eller annen helseteknologi som du bruker aktivt, så forholder du deg faktisk til din helt personlige statistikk dagen lang.
Statistikk som brukes aktivt i dag, og som har en direkte om enn noe usynlig innvirkning på livet ditt, kan være å samle inn informasjon om vanene til togpassasjerer, sånn at man kan sette opp avganger på en formålstjenlig måte, eller i matbutikker for å sikre at den mest populære frokostblandingen alltid står på hylla. Og det finnes et utall andre eksempler som belyser den avhengigheten vi har av innsamling, lagring og analyse av det som er informasjonen om oss selv, våre vaner og behov.
Noe av det du kan lære ved å forstå og analysere statistikk er:
- Å ta bedre finansielle beslutninger
- Å kunne forutse trender i økonomien din
- Å kunne administrere bedriften din med større forutsigbarhet
- Å forbedre dine analytiske og kommunikative ferdigheter
Er det så stor forskjell på datavitenskap og dataanalyse?
Nå som vi har gjort rede for hvor avgjørende det kan være å lære om datavitenskap og statistikk, så er det vel bare å sette i gang! Men hvor skal man begynne? Bare den overveldende mengden av søkeresultater på nettet kan være avskrekkende nok, selv for den mest garvede geek. Men la oss først få en ting på det rene: I datavitenskapen finnes det fortsatt ikke noen fullgod norsk tittel for en "data scientist". "Dataviter" brukes synonymt, men det har ikke tatt av helt, så for ordens skyld forholder oss til det engelske begrepet. Men hva med statistikere? Selv om de to disiplinene er nært forbundet, er de ikke helt det samme.
Å skulle gjøre rede for forskjellen mellom disse to kan fort virke demotiverende, som om det ikke var avansert nok fra før. Men det er enklere enn du tror. Å få grepet om hva som skiller en data scientist fra en statistiker kan dessuten være en utmerket måte å forberede deg på veien videre. Og da snakker vi i hovedsak om data som informasjon, ikke maskiner.
Statistikk og analyse av data legger grunnlaget for mye av det som finner veien til de store overskriftene: Kunstig intelligens, datautvinning, maskinlæring, datateknikk, og, så klart, datavitenskap. Vi har allerede snakket om hva statistikken består av, og det vi sitter igjen med er hvordan dette påvirker undervisningssystemet og arbeidsmarkedet. Det er i hovedsak tre hovedlinjer man kan satse på med en grad i statistikk og dataanalyse:
- Matematisk statistikk
- Statistikk
- Dataanalyse
Der statistikere som jobber matematisk ofte har sine arbeidsplasser i akademia, særlig i undervisning og forskning, så dominerer gjerne statistikere og dataanalytikere i yrker som har med bank, statsforvaltning og forretningsliv å gjøre. Med andre ord – de er over alt!
Datavitenskapen er på en måte statistikkens og informatikkens kjærlighetsbarn. Eller, for å si det på en annen måte: En data scientist er som en statistiker med store programmerings- og ingeniørfaglige muskler. Avhengig av hvilket område innen datavitenskapen du jobber i, vil de statistiske ferdighetene dine variere. Tendensen er gjerne at jo mer involvert en data scientist er i å produsere statistisk programvare, jo mer må de vite om både statistikk og informatikk. En som leder en IT-avdeling trenger derimot ikke å ha fullt så inngående kunnskaper om statistikk. Men med en grad i datavitenskap kan du blant annet titulere deg som:
- Dataingeniør eller programmerer
- Data scientist
- Informatiker eller dataingeniør
Studere datavitenskap på nett
Det fysiske klasserommet er ikke for alle, enten du vurderer mulighetene for å lære mer om datavitenskap, eller om du satser for fullt med en bachelor- eller mastergrad. Nettet byr på en mengde interaktive ressurser, alt fra undervisningsinstitusjoner verden over til webinarer, som på forskjellige måter kan gi deg en innføring i datavitenskap, anvendt statistikk og mange andre interdisiplinære grener av datavitenskapen.
Enten det er snakk om databehandling eller prediktive modeller, så kan dataanalyse være utfordrende. Det er mange institusjoner som tilbyr nettkurs, men dersom du faktisk ønsker å fullføre et helt utdanningsløp, og ikke bare ta et kurs eller noen enkeltemner, bør du sjekke ut hvilke programmer som tilbys ved høyskoler og universiteter, offentlige som private. Å studere over nett kan også gi deg noen konkurransefortrinn, blant annet med innpass i de interaktive fagmiljøene, enten det er på yrkes- eller forskningsnivå, sånn at du kan få noe praktisk erfaring under beltet samtidig som du studerer.
Men det er ikke sikkert du har behov for en bachelor- eller mastergrad. Om målet ditt er fagpåfyll eller å lære noe som kan være til nytte i yrkeslivet ditt, så kan kortere kurs og webinarer være en utmerket måte å tilegne seg kunnskap om datavitenskap og statistikk på en mer uforpliktende måte.
Et webinar er rett og slett et nettbasert seminar, og det å delta på et webinar handler egentlig bare om pris og kvalitet. Du kan finne webinarer om alt fra utforskende til forklarende analyse, statistiske metoder, dataanalyse, programmering, datavitenskapelige strategier, og alt annet datarelatert mellom himmel og jord. Mangfoldet er stort, og de som holder webinarene kan være alt fra erfarne fagfolk og studenter til entusiastiske amatører.
Om webinarer høres fristende ut, bør du først gjøre deg kjent med hva som finnes der ute og hva det koster. Hvilke kvalifikasjoner de som holder webinarene har er også avgjørende, så gjør din research! Om du bare er ute etter nettbaserte ressurser som tilbyr rådata og god bruk av analytiske verktøy, som SPSS, R og Hadoop, er det mye å hente i gode blogger og nettsider drevet av fagfolk.
Studere datavitenskap i Norge og verden
Enten du allerede er i gang med å tråle studier i datavitenskap/data science eller ingeniørfag i Norge, eller om du vil ut i verden for å ta et semester eller to, så er mulighetene nærmest uendelige. Datavitenskap er mulig å studere nesten hvor som helst i verden! Det er jo fantastisk, men det blir også enda mer å vurdere, for innfallsvinklene er forskjellige fra land til land og institusjon til institusjon, både når det kommer til hvilke grader som tilbys og hvordan programmene er bygd opp.
I Norge står NTNU i Trondheim og Gjøvik høyt på lista for mange dataentusiaster, med nærmere tretti relevante studieprogram på både bachelor- og masternivå. Men også NMBU, UiB og UiO har mange studieretninger å skilte med, i alt fra informatikk til programmering, kunstig intelligens, statistikk, og så videre. Legger du til Europa, for ikke å snakke om verden, kan valgmulighetene nesten få det til å gå trill rundt. Da er det lurt å begynne med å avgjøre hvilke typer data du er interessert i å studere, og hvilke områder du vil hente denne informasjonen fra. Klarer du det, er du godt på vei. De fleste universiteter og høyskoler tilbyr dessuten studieveiledning.
Men hvor skal du studere? Dersom du velger å bli i Norge, så løser mange praktiske problemer seg med stipend og studielån. Lånekassen dekker også i mange tilfeller utenlandsstudier, og det finnes ofte muligheter for å søke om stipender i det landet du har tenkt å studere også. Da gjør du i så fall lurt i å kartlegge mulighetene du har, og hva du kan få dekket av studieutgifter, boutgifter etc., før du kaster deg over søknadene.
Datavitenskap er utvilsomt en ting i tiden, og det er et fagfelt som ekspanderer uavlatelig og byr på store karrieremuligheter. Datavitenskapen kan ved første øyekast fremstå som noe innviklet og vanskelig, men det kan også være skikkelig gøy og spennende! Miljøene på utdanningsinstitusjonene er som regel stimulerende og progressive, og mulighetene for praksis under studiene er ofte gode – noe som kan gi en uvurderlig fot innafor, enten det er i yrkeslivet eller videre studier.
Likte du denne artikkelen? Vurder den!
Loading...
