Få innsikt i matematiske modeller og datadrevne metoder som kan løse mange praktiske og samfunnsnyttige oppgaver.
Studiestart
Informasjon om program, timeplaner, pensum, fadderuker og mye mer finner du på studiestartsiden for matematisk modellering og datavitenskap - ingeniør (student.oslomet.no).
NB! Vær obs på at timeplanen som ligger på studiestartsiden er en timeplan for alle studentene på kullet.
For å se din personlige timeplan må du logge deg inn på "Min side" (student.oslomet.no) etter at du har aktivert IT-kontoen din og du er blitt plassert i klasse/gruppe. Dette skjer vanligvis uken før studiestart.
Opptakskrav og poeng
For å søke på dette programmet må du ha
- generell studiekompetanse (samordnaopptak.no) eller oppfylle kravene til realkompetanse
- matematikk R1 og R2
- fysikk 1
Det kan være konkurranse om plassene. Ved forrige opptak kom alle kvalifiserte søkere inn.
Hvis du mangler generell studiekompetanse eller enkelte fag fra videregående skole, kan du søke på dette studiet om du har bestått ettårig forkurs for ingeniørutdanning.
Slik søker du
Du søker på Samordna opptak med studiekode 215 503.
- 15. april: ordinær søknadsfrist
- 1. mars: frist for enkelte søkere
Hva lærer du?
Bachelor i matematisk modellering og datavitenskap kobler sammen matematikk, informatikk, fysikk og statistikk.
Du får innsikt i matematiske modeller som brukes i praktisk problemløsning blant annet i medisinsk kjemi, biologiske prosesser og ulike samfunnssystemer.
Det første studieåret har du emner i blant annet matematikk, programmering, fysikk og kjemi for å få en felles forståelse av tematikken.
Det siste semesteret skriver du en bacheloroppgave tett knyttet til problemstillinger i arbeidslivet.
Første året velger du hvilken av disse spesialiseringene du vil ta.
Statistiske og datadrevne metoder
Du lærer om hvordan du kan bruke målte data koblet med datadrevne og statistiske metoder til å gjøre beregninger, for eksempel av fremtidige strømpriser.
Du lærer hvordan du kan løse komplekse og sammensatte problemer, og utforske høydimensjonale datatyper. Moderne metoder innen maskinlæring og kunstig intelligens står sentralt.
Vitenskapelige beregninger
Du lærer å lage effektive algoritmer, datastrukturer og kildekoder for å løse matematiske og fysiske problemer med numeriske metoder.
Du lærer å utvikle kildekode og metodikk knyttet til medisinsk teknologi, biologiske prosesser og annet.
Matematikk og fysikk
Du utforsker algebraiske strukturer, blant annet knyttet til dyp læring og kunstig intelligens.
Du lærer differensialgeometri på flater, gruppeteori og kodeteori; matematiske strukturer, representasjonsteori og kategoriteori.
I fysikk lærer du om termodynamikk og statistisk fysikk.
Studiets oppbygging
1. studieår
1. semester
2. semester
2. studieår
3. semester
4. semester
Emnegruppe: Matematikk og fysikk
3. semester
Emnegruppe: Statistiske og datadrevne metoder
3. semester
Emnegruppe: Vitenskapelige beregninger
3. semester
3. studieår
5. semester
6. semester
Emnegruppe: Matematikk og fysikk
5. semester
6. semester
Emnegruppe: Statistiske og datadrevne metoder
5. semester
Emnegruppe: Vitenskapelige beregninger
5. semester
Hvordan foregår undervisningen?
Undervisningen er en kombinasjon av
- prosjektarbeid
- workshop
- presentasjoner
- veiledninger
- diskusjoner og refleksjoner
- forelesninger
- selvstudier
- gruppearbeid
- arbeidslivsrelevant bacheloroppgave
For å gjennomføre studiet på normert tid, må du regne med å bruke om lag 40 timer per uke på studierelatert arbeid gjennom hele semesteret.
Hva koster det?
Det er ikke studieavgift på dette studiet. Du betaler en semesteravgift hvert semester (student.oslomet.no).
Hva kan du jobbe som?
Med dette studiet får du IT-kompetanse som er etterspurt i arbeidslivet, særlig om du velger spesialiseringene vitenskapelige beregninger eller statistiske og datadrevne metoder.
Spesialiseringen i matematikk og fysikk retter seg mer mot videre studier, men også her får du etterspurt kompetanse i arbeidslivet etter bachelorstudiet.
Matematisk modellering og datavitenskap blir stadig viktigere som basisgrunnlag, i for eksempel beregninger knyttet til klima, forsikring og finans, og datadrevne metoder for verdiskaping.
Datadrevne metoder og maskinlæring er i dag svært mye brukt i arbeidslivet.
Utveksling
Du kan dra på utveksling i femte semester.
Videre studiemuligheter ved OsloMet
Studiested
Spørsmål om utdanningen?
Har du spørsmål om utdanningen, kontakt oss gjennom vårt kontaktskjema.