Kandidatprogram i Datavetenskap och AI

Syftet med kandidatprogrammet i datavetenskap och AI är att ge studenterna en stark teoretisk grund och praktiska färdigheter för att arbeta inom snabbt växande teknikområden där digitalisering, dataanalys och intelligenta system står i centrum. Programmet förbereder studenter för en yrkesroll som mjukvaruutvecklare, dataanalytiker, AI-ingenjör eller liknande inom såväl privat som offentlig sektor. Efterfrågan på dessa kompetenser är mycket stor och fortsatt ökande på både nationell och internationell arbetsmarknad.

Programmet lägger särskild vikt vid en tvärvetenskaplig förståelse, där kunskaper i matematik, statistik, programmering, datavetenskaplig teori och etik integreras för att kunna utveckla hållbara och pålitliga system. Studenterna tränas i att formulera och lösa komplexa problem med hjälp av moderna metoder inom datavetenskap och data science samt att kritiskt granska teknikens påverkan på samhället. Programmet bedrivs på engelska i en internationell miljö, vilket stärker studenternas språkliga och interkulturella kompetens inför en global arbetsmarknad.

Utbildningen utgör också en solid grund för fortsatta studier på avancerad nivå, såsom masterprogram inom datavetenskap, AI, mjukvaruutveckling, interaktions- eller speldesign, statistik eller relaterade områden. Den akademiska förankringen och forskningsanknytningen i programmet ger studenterna möjlighet att utveckla en vetenskaplig förmåga som är relevant både för forskarutbildning och för kvalificerade yrkesroller där innovation och analys står i fokus.

Utbildningen leder till Filosofie kandidatexamen med huvudområdet datavetenskap (Degree of Bachelor of Science with a major in Computer Science).

alternativt

Filosofie kandidatexamen med huvudområdet artificiell intelligens (Degree of Bachelor of Science with a major in Articifial Intelligence).

Krav

Kraven för examen baseras på Nationella regler och Högskoleförordningen kap 6 och bilaga 2 samt lokala regler enligt Göteborgs universitets examensordning. Utöver dessa krav har varje fakultet möjlighet att lägga till ytterligare krav för huvudområdet.

Omfattning

För denna examen krävs 180 hp. Av dessa ska minst 105 hp utgöras av obligatoriska kurser inom huvudområdena datavetenskap eller artificiell intelligens, inklusive 15 hp självständigt arbete (examensarbete). Därutöver ska minst 22,5 hp utgöras av obligatoriska kurser i matematik. Särskilda krav varierar beroende på vald inriktning och beskrivs nedan.

Datavetenskap

• minst 112,5 hp inom huvudområden med successiv fördjupning,
• minst 22,5 hp i matematik,
• 15 hp självständigt examensarbete,
• 30 hp valfria kurser

Artificiell intelligens

• minst 105 hp inom huvudområden med successiv fördjupning,
• minst 30 hp i matematik,
• 15 hp självständigt examensarbete,
• 30 hp valfria kurser

Utbildningen består av kurser inom datavetenskap, artificiell intelligens, matematik, statistik och angränsande ämnen. Programmet omfattar totalt 180 hp. Av dessa är minst 105 hp obligatoriska kurser inom huvudområdena datavetenskap eller artificiell intelligens, varav 15 hp självständigt arbete (examensarbete) ingår. Därutöver ingår minst 30 hp obligatoriska kurser i matematik. Särskilda krav kan variera mellan de båda valda inriktningarna och beskrivs nedan.

Obligatoriska kurser

Följande obligatoriska kurser läses av samtliga studenter (total 90 hp):

• Linjär algebra och analys I, 7,5 hp
• Tillämpat matematiskt tänkande, 7,5 hp
• Matematisk statistik, 7,5 hp
• Introduktion till data science, 7,5 hp
• Grundläggande programmering, 7,5 hp
• Objektorienterad programmering, 7,5 hp
• Datastrukturer och algoritmer, 7,5 hp
• Grundläggande datorteknik, 7,5 hp
• Etik och filosofi inom datavetenskap och AI, 7,5 hp
• Databaser, 7,5 hp
• Projekt inom datavetenskap och AI I, 7,5 hp
• Projekt inom datavetenskap och AI II, 7,5 hp

Inriktningar

Programmet har två inriktningar: datavetenskap (Computer Science) och artificiell intelligens. Alla studenter läser ett gemensamt första år och väljer sedan en av inriktningar innan det andra året börjar. Kurserna placeras på ett sätt som tillåter studenterna på den ena inriktning att komplettera med kurser inom den andra inriktningen under år tre.

Datavetenskaplig inriktning

Inriktningen syftar till att bygga grundläggande kunskaper inom datavetenskap och fördjupade kunskaper inom teoretiska ämnen inom datavetenskap som till exempel diskret matematik, programmeringsspråk och parallell programmering. Utöver kurser som är obligatoriska för samtliga studenter, läser studenterna inom inriktningen datavetenskap följande obligatoriska kurser (totalt 45 hp):

• Diskret matematik, 7,5 hp
• Funktionell programmering, 7,5 hp
• Ändliga automater och formella språk, 7,5 hp
• Principer för parallell programmering, 7,5 hp
• Grundläggande cybersäkerhet, 7,5 hp
• Kandidatuppsats inom datavetenskap, 15 hp

Artificiell intelligens inriktning

Inriktningen syftar till att bygga grundläggande kunskaper inom data science och AI och fördjupade kunskaper inom data science som till exempel statistisk modellering och maskininlärning. Utöver kurser som är obligatoriska för samtliga studenter, läser studenterna inom inriktningen data science och AI följande obligatoriska kurser (total 45 hp):

• Linjär algebra och analys II, 7,5 hp
• Agentisk AI, 7,5 hp
• Statistisk modellering, 7,5 hp
• Maskininlärning, 7,5 hp 
• Flervariabelanalys, 7,5 hp
• Kandidatuppsats inom data science och AI, 15 hp

Valbara kurser

Inom programmet kan en studenten läsa valbara kurser i en omfattning av 45 hp. Av dessa 45 hp utgörs minst 15 hp av valbara kurser inom huvudområdena datavetenskap eller artificiell intelligens. Valbara kurser inom programmets kursutbud utanför de båda huvudområdena datavetenskap eller data science kan läsas i en omfattning av maximalt 30 hp. Studenten kan även inkludera kurser som är obligatoriska för en annan inriktning som valbara kurser i sin examen.

Utbildningen leder till en kandidatexamen i huvudområdet datavetenskap alternativt artificiell intelligens, beroende på vilken inriktning studenten har valt. Examensmålen nedan gäller samtliga studenter, men kan uppnås genom olika typer av kunskaper och färdigheter beroende på inriktning.

Kunskap och förståelse

Efter avslutad utbildning ska studenten:

• visa bred kunskap och förståelse inom det datavetenskapliga området, inbegripet dess vetenskapliga grund, centrala begrepp och teoretiska fundament inom exempelvis algoritmer, datastrukturer, programmering och matematisk modellering,
• visa kännedom om metoder och tillämpningar för att formulera och lösa beräkningsmässiga problem; detta kan omfatta till exempel programvaruutveckling, systemdesign eller statistiska analysmetoder och maskininlärning beroende på inriktning, och
• uppvisa fördjupad kunskap inom ett specialområde inom sin valda profil, exempelvis distribuerade system eller programspråk för studenter inom datavetenskap, eller maskininlärning eller natural language processing (NLP) för studenter inom AI, samt orientering om aktuella forskningsfrågor i detta område.

Färdighet och förmåga

Efter avslutad utbildning ska studenten:

• visa förmåga att identifiera, formulera och analysera problem inom det datavetenskapliga området, samt kritiskt granska olika lösningsstrategier och deras begränsningar,
• kunna tillämpa lämpliga verktyg och metoder, såsom algoritmer, programmeringsspråk, databashantering, visualisering, modellering eller AI-metoder, beroende på problemets karaktär och vald inriktning,
• visa förmåga att planera och genomföra projekt, enskilt och i grupp, inom givna tidsramar samt att muntligt och skriftligt redogöra för och diskutera tekniska lösningar och resultat med både experter och icke-specialister, och
• uppvisa den tekniska och analytiska kompetens som krävs för självständigt yrkesarbete inom till exempel mjukvaruutveckling, dataanalys, systemarkitektur eller AI-tillämpningar.

Värderingsförmåga och förhållningssätt

Efter avslutad utbildning ska studenten:

• visa förmåga att göra bedömningar inom sitt huvudområde med hänsyn till vetenskapliga, etiska, juridiska och samhälleliga aspekter, exempelvis när det gäller informationssäkerhet, automatiserat beslutsfattande eller systempålitlighet,
• visa insikt om kunskapens roll i samhället och det ansvar som följer med att utveckla och använda teknik som påverkar människors liv och samhällsstrukturer, och
• visa förmåga att identifiera behovet av fortsatt kunskapsutveckling, att reflektera över sin egen kompetens och att hålla sig à jour med ny teknik och forskning inom vald inriktning.

Uppföljning och utvärdering av programmet sker i enlighet med gällande Policy för kvalitetssäkring och kvalitetsutveckling av utbildning vid Göteborgs universitet.

Student har platsgaranti på obligatoriska och valbara kurser i programmet under förutsättning att förkunskapskraven är uppfyllda och att student ansöker om kurs inom program inom föreskriven ansökningsperiod.

För valfria kurser som inte organiseras i anslutning till programmet gäller lokala antagningsordningar och platsgaranti saknas.