Nøkkelinformasjon
Klassemiljø som motiverer
Studiet har små klasser og forelesere som sørger for at alle blir ivaretatt, sett og hørt.Utveksling
Du kan søke om å dra på utveksling til blant annet Finland, Sør-Korea eller Tyskland.Gjesteforelesere
Har gjesteforelesere med relevant erfaring fra bransjen.Viktige frister
Søknadsfristen er 15. april. Dokumentasjonsfrist for vitnemål og attester er 1. juli.Opptakskrav
På dette studiet må du innfri krav om generell studiekompetanse. Du må også ha bestått matematikk R1 eller S1+S2.Pris
54 200 kr pr semester. Kvalifiserer til støtte fra Lånekassen.
- Bachelor
- Høst 2025
- Heltid
- 180 studiepoeng
- Oslo
- 3 år
- Engelsk
Hva lærer du?
I løpet av studietiden din hos oss vil du kunne studere emner som:
- Big Data and Cloud Computing
- Data Ethics and Regulations
- Python Programming
- Probability and Statistics
Studiemodell
- PGR210Machine Learning and Natural Language Processing
The course provides knowledge of the key concepts, techniques and methods related to machine learning. Topics include an understanding of the mathematical basics of data mining and machine learning, linear models for regression such as maximum likelihood, sequential learning, regularized least squares and classification models such as probabilistic generative models, probabilistic discriminative models. Furthermore, the course provides the students with practical hands-on experience on machine learning using open source machine learning libraries such as scikit-learn in Python programming language. The course also provides knowledge of the key concepts, techniques and methods in natural language processing to text analytics. The students gain in-depth knowledge of natural language processing and will further apply this to practical scenarios with acquired skills in text classification methods. The course provides students with hands-on experience on text analytics using open source machine learning libraries such as scikit-learn, Natural Language Toolkit (NLTK) in Python programming language. After completing the course, the students will be able to apply and use appropriate machine learning techniques in various data science domains.
- PGR211Advanced Programming for Data Science
The course will discuss different programming approaches in the Python programming language, especially, Object-oriented features vs functional programming practices and web programming techniques. The course will focus on when it is appropriate to use each of these features/approaches to address problems, not only limited to data science problems but also to understand Python's capabilities as a general-purpose programming language. The course will cover topics related to Object-oriented features of Python, Functional programming practices such as higher-order functions and anonymous functions, and web programming using some of the popular web frameworks in Python.
- PGR206Data Structures and Algorithms
The course will provide insight into algorithms and data structures that are central to the work of implementing and designing effective computer systems. Emphasis is placed on asymptotic analysis of worst-case scenarios, as well as central algorithms and data structures related to search and sorting. The course also deals with graph algorithms, optimization algorithms and data-compression algorithms.
- VALUTV99930EValgemner eller utveksling 30 SP
Du kan lese mer om dine valgmuligheter i dette semesteret
- PGR207Deep Learning
The course provides knowledge of the key concepts, techniques and methods related to artificial neural networks; deep learning. The students gains in depth knowledge of mathematical foundations of deep learning, neural networks and gains advanced skills in applying the appropriate tools, techniques and development of the respective areas. Furthermore, the course provides the students with practical hands-on experience on deep learning using open source deep learning libraries in the Python programming language. After completing the course, the students will be able to apply and use appropriate deep learning techniques within various data science domains.
- PGR304Predictive Analytics
The course provides knowledge of the key concepts, techniques and methods in predictive analytics. This course will cover methods and tools for data pre-processing for forecasting tasks in data science, techniques for selecting well-suited models for analysis, model performance evaluation tools. The course provides students with hands-on experience on predictive analytics using open source statistics tools. After completing the course, students will be able to apply and use various predictive analytics techniques such as regression, time series on numerical datasets.
- PG3302Software Design
Emnet skal gjøre studentene i stand til å designe og videreutvikle større programvaresystemer i tråd med kjente teknikker for modellering, testing og implementasjon.
- PGR307Agile Project
The purpose of the course is to give the student an experience in mastering the whole of a project, with emphasis on applying a flexible method: Scrum. Scrum is a flexible process framework for developing innovative products and services, especially suitable for software development.
Through a process for developing a technical solution, the student will plan and implement a comprehensive project case for a company in a multidisciplinary group, and will receive training in using modern agile techniques and tools along the way.
- PGR306Research Methods
The course aims to introduce research methods with a focus on methods that are especially relevant for the Data Science. The course supports the bachelor's degree project.
- BAO304Bachelorprosjekt
I dette emnet får studentene yrkeserfaring ved å gjennomføre et IT-prosjekt i en bedrift. Studentene skal demonstrere bred kunnskap om sentrale temaer og teorier, samt vise ferdigheter i metode, bruk av verktøy og teknologier innenfor fagområdet. Prosjektet gjennomføres i grupper og resultatet av arbeidet dokumenteres i en prosjektrapport. Prosjektleveransen defineres og utvikles i samråd med bedriften, samt at studentene følges opp av en intern veileder ved skolen. Dette emnet bygger også på tidligere emner i bachelorløpet, i form av blant annet kunnskap om utviklingsmetoder, risikohåndtering, prosjektarbeid og prosjektstyring. Utover dette må også studentene regne med å sette seg inn i ny kunnskap relatert til prosjektet de skal gjennomføre. Det kan være knyttet til bruk av programmeringsspråk, metode eller programvare. Emnet har en sterk arbeidslivsrelevans og studentene får reell og nyttig arbeidserfaring i løpet av prosjektperioden.
Hva kan du bli?
Eksempler på stillinger du vil være aktuell for inkluderer:
- IT-konsulent
- Dataanalytiker (Data Scientist)
- Programmerer
- Løsningsspesialist
- Forretningsutvikler
- Prosjektleder
- Big data-spesialist
Supermamma og fulltidsstudent
Møt fagmiljøet
Slik jobber vi
Vår forskning vektlegger økonomi, innovasjon, digitalisering og IT. I tillegg er det flere spennende forskningsprosjekter innen anvendt informatikk, informasjonssystemer og interaksjon mellom teknologi og menneske. Våre forelesere har lang erfaring fra både bransje og akademia, og vi benytter relevante gjeste- og timeforelesere som tar sin arbeidshverdag med inn i undervisningen. Dette gjør at du som student blir vant til å løse de samme utfordringene som venter på deg når du er klar for arbeidslivet.Slik er studiehverdagen
Kristiania er et sted hvor alle passer inn, men hvor du likevel studerer sammen med andre som brenner for det samme som deg. En utdanning fra Kristiania er praktisk orientert. Det gjør at våre studenter er ettertraktede på arbeidsmarkedet, også før de er ferdig utdannet. Studentenes egne foreninger gjør at man kan knytte tette bånd over felles interesser, mens inkubatorer som Loftet og Bryggeriet gjør at vi har et yrende og inspirerende miljø for studentenes egne bedrifter.
Livet som student
Slik er søknadsprosessen
Viktige frister
Søknadsfristen er 15. april. Dokumentasjonsfrist for vitnemål og attester er 1. juli.Viktige fristerBehandlingstid
For studier med rullerende opptak mottar du et betinget studietilbud i løpet av 1-3 dager etter søknad, dersom det er ledige plasser på programmet du har søkt.Les merSlik søker du
På Min Side for søkere, aksepterer du tilbudet og laster opp nødvendig dokumentasjon på dine kvalifikasjoner.Les mer
Semesterregistring
Du må registrere deg for semesteret i StudentWeb. Dette er et krav for å få utbetaling fra Lånekassen.Les merSiO (Oslo) og Sammen (Bergen)
SiO og Sammen tilbyr boliger, helsetjenester, barnehage, treningssenter og mye mer til sine medlemmer.Les merLånekassen
Alle våre studier er offentlig godkjent og gir rett til å søke lån og stipend fra Lånekassen.Les mer
Støtte og tilrettelegging
Som student kan du få rådgivning, tilrettelegging og oppfølging på studierelaterte spørsmål og utfordringer. Vi har taushetsplikt.Les merMitt Kristiania
Her finner du timeplan, pensum, tjenester og alle andre verktøy du trenger som student.Les merStudentbevis
Studentbevis er ditt adgangskort til campus, betalingskort på printere og lånekort på vårt bibliotek. Dette får du i våre resepsjoner (unntatt i Brenneriveien).Les mer
Hva lurer du på?
Ofte stilte spørsmål
Les mer om våre studenter
- Ida ønsket bred og etterspurt kompetanse – valgte IT-studier ved KristianiaIda Merete Markussen ønsket en ettertraktet utdanning. Valget falt på IT-studier ved Kristiania.