Hjem
Utdanning

Namn på grad

Masterprogrammet fører fram til graden master i statistikk og data science. Studiet er toårig (120 studiepoeng).

Undervisningsspråk

Norsk/Engelsk

Studiestart - semester

Haust (hovudopptak), vår.

Mål og innhald

Programmet rettar seg mot studentar med ei interesse i matematikk og statistikk, og som vil kvalifisere seg for forsking og utvikling i statistikk eller innan eit felt der statistikk er sentralt.

I masterprogrammet i statistikk og data science kan du velje mellom følgjande spesialiseringar:

  • Dataanalyse: Ei mastergradsoppgåve i dataanalyse kan innebere at ein analyserer eit konkret datasett. Typisk nyttar ein numeriske teknikkar for å vurdere metodane som inngår i tolking av data. Det er ofte snakk om simulering gjennomført ved eigne program. Dessutan byggjer gjerne sjølve analysemetoden på tidkrevjande numeriske rutinar i tillegg til matematiske formuleringar. Studieretninga gir god bakgrunn for seinare arbeid med analyse av kompliserte datasett innanfor ulike praktiske fagfelt. Obligatoriske emne: STAT210 Statistisk inferensteori, STAT220 Stokastiske prosessar, STAT260 Statistisk læring og minst eit av emna: STAT200, STAT201, STAT202, STAT211, STAT221, STAT230, STAT231, STAT240 eller STAT250
  • Finansteori og forsikringsmatematikk: Studiet er tilpassa dei metodane som trengst ved praktisk arbeid innanfor forsikring og finans. Det inneheld både modellering som byggjer direkte på sannsynsrekning og metodar for analyse av aktuelle datasett. Mastergraden i statistikk med denne studieretninga gir aktuarkompetanse. Obligatoriske emne: STAT210 Statistisk inferensteori, STAT220 Stokastiske prosessar, STAT230 Livsforsikringsmatematikk, STAT231 Skadeforsikringsmatematikk og risikoteori, STAT240 Finansteori, STAT260 Statistisk læring og minst eit av emna STAT200, STAT201, STAT202, STAT211, STAT221 eller STAT250
  • Matematisk statistikk: I matematisk statistikk ser ein på eigenskapane ved metodane som blir brukte til å analysere observasjonsmateriale. Ein utnyttar matematiske teknikkar for å undersøkje kva for metodar det er som best tek omsyn til informasjonen som ligg i observasjonane. Teknikkane byggjer i stor grad på sannsynsrekning. Nye metodar blir også formulerte ved bruk av matematiske hjelpemiddel. Obligatoriske emne: STAT210 Statistisk inferensteori, STAT220 Stokastiske prosessar, STAT221 Grensesetningar i sannsynsrekning og MAT211 Reell analyse, STAT260 Statistisk læring og minst eit av emna STAT200, STAT201, STAT202, STAT211, STAT230, STAT231, STAT240 eller STAT250

Læringsutbyte

En kandidat med fullført kvalifikasjon skal ha følgende totale læringsutbytte definert i kunnskap, ferdigheter og generell kompetanse:

Kunnskaper

Kandidaten

  • Kan tilegne seg og anvende kunnskap i grunnleggende matematisk og statistisk teori som kalkulus, lineær algebra og statistiske metoder.
  • Kan stille opp generelle modeller for analyse av data med usikkerhet ved hjelp av begrep fra sannsynlighetsteori.
  • Kan bruke ulike programmeringsspråk for implementering av data science metoder

Ferdigheter

Kandidaten

  • Kan tilpasse allmenne prinsipper for konstruksjon av statistiske metoder på konkrete problemstillinger med estimering og testing av ukjente parametere.
  • Kan diskutere generelle statistiske angrepsmåter som er aktuelle ved en gitt dataanalytisk problemstilling.
  • Kan gjøre rede for det teoretiske grunnlaget for sentrale statistiske analysemetoder.
  • Kan bestemme passende statistisk metode for modeller i varians- og regresjonsanalyse med normalfordelte observasjoner, og i tilsvarende problemstillinger for generaliserte lineære modeller
  • Kan finne relevant metodelitteratur for gitte statistiske problemstillinger og tilpasse teorien fra litteraturen til situasjoner med andre forutsetninger.
  • Kan begrunne valg av statistisk metode i anvendte problemstillinger for personer fra andre fagmiljø.
  • Kan identifisere passende statistisk programvare for analyse av foreliggende datasett og gjennomføre analysen ved rasjonell bruk av programvaren.
  • Kan bruke data science metoder på reelle datasett og gjennomføre prediksjoner

Generell kompetanse

Kandidaten

  • Kan presentere, muntlig og skriftlig, vitenskapelige resultater basert på analyser, sett i sammenheng med eksisterende forskingsresultat, også til ikke-spesialister
  • Kan oppsøke, kritisk vurdere og anvende statistikk-kunnskap.
  • Kan arbeide selvstendig og i gruppe med omfattende og krevende faglige oppgaver.

Opptakskrav

Masterprogrammet i Statistikk og data science bygger på en bachelorgrad med minst 60 studiepoeng faglig fordypning i ren matematikk og teoretisk statistikk. Forkunnskaper må minst dekke kalkulus, lineær algebra, statistikk, statistiske metoder og stokastiske prosesser/statistisk inferensteori tilsvarende emnene MAT111 Grunnkurs i matematikk I, MAT112 Grunnkurs i matematikk II, MAT121 Lineær algebra, STAT110 Grunnkurs i statistikk, STAT111 Statistiske metodar og et av STAT210 Statistisk inferensteori /STAT220 Stokastiske prosesser.

Bachelorgrad fra UiB som kvalifiserer:

  • Bachelorgrad i Statistikk
  • Andre bachelorgrader hvis emnene i opptakskravet er tatt.

Beregning av karaktersnitt

Kun emnene i opptakskravet regnes med i karaktersnittet: MAT111, MAT112, MAT121, STAT110, STAT111 + et av STAT210 eller STAT220 (det med best karakter hvis du har tatt begge emnene etter plusstegnet) .

Eksterne bachelorgrader som kvalifiserer:

  • Normalt kreves en bachelorgrad i matematiske fag.
  • Andre bachelorgrader kan kvalifisere dersom du har minst 60 studiepoeng i matematikk og statistikk, normalt fra et Matematisk institutt. Det er viktig at den matematiske bakgrunnen inneholder kalkulus, lineær algebra, teoretisk statistikk, statistiske metoder og stokastiske prosesser/statistisk inferensteori.

Du må også ha:

Omfang masteroppgåva

Masteroppgåva er på 60 studiepoeng.

Arbeids- og undervisningsformer

Studiet vert gjennomført under rettleiing av fagleg rettleiar. Rettleiar skal gi råd om formulering og avgrensing av emne og problemstilling for oppgåva, litteratur, fagleg innhald, arbeidsopplegg og framdriftsplan. Undervisningsform for enkeltemne som inngår i kursdelen, er omtalt i emnebeskrivinga.

Vurderingsformer

Når masteroppgåva er innlevert, godkjent og vurdert, avsluttes studiet med ein munnleg mastergradseksamen.

Vurderingsform for enkeltemne som inngår i kursdelen, er omtalt i emnebeskrivinga.

Karakterskala

Masteroppgåva vert sensurert med karakterskalaen A-F

Karakterskala for enkeltemne som inngår i kursdelen, er omtalt i emnebeskrivinga.