Studieretning:

Maskinlæring og statistikk

Tilhører studiet:
Anvendt fysikk og matematikk, sivilingeniør - master
Studieretning:

Maskinlæring og statistikk

Tilhører studiet:
Anvendt fysikk og matematikk, sivilingeniør - master
Studiested
Tromsø
Søknadsfrist
Søking og opptak
Slik søker du

Maskinlæring er en vitenskapelig metode som bruker algoritmer og statistikk i programmering for å behandle data. Med maskinlæring ønsker man å programmere datamaskinen til å gjøre beslutninger basert på data. Eksempler hvor dette brukes er situasjoner og systemer der man trenger oversikt over store mengder data, stemmegjenkjenning, selvkjørende biler og andre områder hvor det ikke er mulig å programmere maskiner på forhånd.

Dette feltet blir viktigere i årene som kommer, og du vil bli ettertraktet i mange forskjellige jobbsammenhenger!

Spørsmål om studiet

Maskinlæring er en studieretning i anvendt fysikk og matematikk som er én av tre sivilingeniørutdanninger ved UiT. Alle studieretningene på anvendt fysikk og matematikk har de samme emnene de to første årene. Dette gir deg en tilhørighet og et klassemiljø på studiet.

Fagfeltet maskinlæring er basert på statistikk og du vil i løpet av de første årene på studiet få en god innføring av statistiske metoder. Etter de første årene, hvor du har opparbeidet deg en kunnskap innenfor fysikk, matematikk og statistikk kommer du til å bruke dette i praksis innenfor maskinlæring. Du får relevante oppgaver fra arbeidslivet i studiet og jobber hele tiden med de metodene som brukes ute i den reelle verden. Studieretningen er rettet mot utvikling av metoder og algoritmer for å analysere data og trekke ut informasjon fra dataen.

Masteroppgaver kan tilbys innen «neural networks», grafbasert analyse, statistisk modellering. Du bruker maskinlæring til anvendelser innen jordobservasjon, medisinsk bildebehandling, og industrielle utfordringer for ny datadrevet teknologi.

På UiT har vi en egen maskinlæring og statistikk forskningsgruppe du kommer til jobbe tett med i løpet av studiet ditt.

Kunnskaper - Kandidaten:

  • har en solid bakgrunn i fysikk og matematikk, med særlig kunnskap om fagenes bruk som verktøy for modellering og analyse samt utvikling av teknologi og industrianvendelser
  • har inngående kunnskap om fagområdets vitenskapelige teori og metoder innen naturvitenskap og ingeniørfag
  • kan anvende sin kunnskap på nye teknologiske områder
  • har dyp kunnskap om generell statistisk metodikk
  • har spesialisert kunnskap om virkemåten til matematisk-statistiske algoritmer for automatisert og datadrevet analyse, og hvordan de brukes på praktiske problemstillinger for å klassifisere data og detektere objekter, hendelser eller avvik
  • har inngående kunnskap om hvordan statistiske og matematiske modeller kan brukes til å beskrive, forklare eller søke etter årsakssammenhenger i reelle data
  • har avansert kunnskap om effektiv programmering og utnyttelse av datamaskiner for å utføre beregningskrevende oppgaver

Ferdigheter - Kandidaten:

  • kan analysere faglige problemstillinger innen fysikk og matematikk med utgangspunkt i fagområdenes teorier, metoder og nyere resultater fra internasjonal forskning
  • kan anvende rådende teorier, metoder og fortolkninger og arbeide selvstendig med praktiske og teoretiske problemløsninger
  • kan integrere ny kunnskap og samtidig vurdere dens begrensninger, tvetydighet og ufullstendighet
  • kan analysere og forholde seg kritisk til ulike informasjonskilder og anvende disse til å strukturere og formulere faglige resonnementer
  • kan under veiledning gjennomføre et selvstendig, avgrenset forsknings- eller utviklingsprosjekt innen anvendt fysikk og matematikk
  • kan utføre sitt arbeid i tråd med gjeldende forskningsetiske normer
  • kan bruke maskinlæringsmetoder og algoritmer fundert i matematikk og statistikk til å analysere ulike typer reelle data
  • kan analysere problemstillinger og velge hensiktsmessig modeller og metoder for å trekke ut ønsket informasjon fra tilgjengelige data
  • kan skrive effektiv programvare for numeriske beregninger og analyse av store og/eller komplekse datasett

Generell kompetanse - Kandidaten:

  • kan analysere relevante fagetiske, yrkesetiske og forskningsetiske problemstillinger
  • kan formidle omfattende selvstendig arbeid og behersker terminologien innen sitt fagområde
  • kan kommunisere om faglige problemstillinger, analyser og konklusjoner innenfor fagområdet, både med spesialister og til allmennheten
  • kan arbeide selvstendig og i grupper med praktiske og teoretiske løsninger av problemer innen anvendt fysikk og matematikk
  • kan bidra til nytenking og i innovasjonsprosesser innenfor naturvitenskap og teknologi

Maskinlæringsmetoder og -algoritmer blir vidt brukt i alle fagfelt hvor det er behandling av store datasett. Det innebærer at du får ettertraktet utdannelse. Du kan for eksempel jobbe innenfor:

  • Bank og finans
  • Jordobservasjon
  • Medisinsk utvikling
  • Logistikk
  • Systemutvikling
  • Programutvikling
  • Sikkerhet
  • Forskning

Utvekslingsopphold ved annen utdanningsinstitusjon i Norge eller utlandet kan inngå i studiet etter avtale. Flere utvekslings- og stipendprogrammer med destinasjoner i ulike verdensdeler er tilgjengelige. Vi har fagspesifikke avtaler med Aberystwyth University i Wales og Saskatcewan i Canada.

Et opphold ved Universitetssenteret på Svalbard er også mulig.

Emnene som planlegges gjennomført ved ekstern institusjon må forhåndsgodkjennes av instituttet. Utvekslingsopphold passer best i fjerde studieår.


Mer informasjon om utveksling finner du her.

Foreløpig ikke tilgjengelig