Oppbygging og gjennomføring
Studieretningen Computational Science har følgende oppbygging:
- Obligatoriske fellesemner, 100 studiepoeng
- Obligatoriske fordypningsemner, 40 studiepoeng
- Frie emner / utviklingssemester, 40 studiepoeng
Studieløp
6. semester |
Utviklingssemester |
||
---|---|---|---|
5. semester | MAT3110 – Innføring i numerisk analyse | EXPHIL03 – Examen philosophicum | Fordypningsemne |
4. semester | Fordypningsemne | STK2100 – Maskinlæring og statistiske metoder for prediksjon og klassifikasjon | Fordypningsemne |
3. semester | MAT1125 – Videregående lineær algebra | Fritt emne | IN2010 – Algoritmer og datastrukturer |
2. semester | MAT1110 – Kalkulus og lineær algebra | STK1100 – Sannsynlighetsregning og statistisk modellering | IN1010 – Objektorientert programmering |
1. semester | MAT1100 – Kalkulus og HMS-emner | MAT1105 – Lineær algebra og numeriske metoder | IN1900 – Introduksjon i programmering for naturvitenskapelige anvendelser |
10 studiepoeng | 10 studiepoeng | 10 studiepoeng |
Obligatoriske fellesemner
Det er felles obligatoriske emner knyttet til programmet som denne studieretningen er en del av. Se programmets hovedside for nærmere informasjon om dette og for oppbygning og generelle krav i programmet.
Obligatoriske fordypningsemner
- IN2010 – Algoritmer og datastrukturer
- Fordypningsemner: Tre andre emner innen matematikk og naturvitenskap på 2000- eller 3000-nivå. Merk at du må sjekke om du har de obligatoriske forkunnskapskravene til emnene du velger. Dette står beskrevet på emnesiden til hvert enkelt emne.
Utviklingssemester og frie emner
I denne studieretningen er det lagt til rette for utviklingssemester i 6. semester. Dette semesteret kan du bruke på å reise på utveksling, eller du kan velge emner fritt på UiO. Se programmets hovedside for nærmere informasjon om utviklingssemester og frie emner i programmet.
Anbefalte studieløp for opptak til masterprogram
Hvilke emner du velger blant frie emner og valgfrie fordypningsemner, kan påvirke hvilke masterprogrammer du kvalifiserer for opptak til. Her er forslag til studieløp basert på hvilken master du ønsker. Dersom du ønsker å gå videre med en annen master enn de som er i listen under, kan du kontakte studieadministrasjonen ved Matematisk institutt for å få hjelp til å velge emner.
Så lenge du oppfyller kravene til opptak til det masterprogrammet du ønsker, er det ingenting i veien for at du velger andre emner enn de som er anbefalt.
Kravene til masterprogrammene kan endres, så du må selv sjekke om du oppfyller kravene til det masterprogrammet du ønsker, også om du følger et av de anbefalte løpene.
Master i CS: Applied mathematics and risk analysis
6. semester | Fritt emne | Fritt emne | STK-MAT2011 – Prosjektarbeid i finans, forsikring, risiko og dataanalyse |
---|---|---|---|
5. semester | MAT3110 – Innføring i numerisk analyse | Fritt emne | EXPHIL03 – Examen philosophicum |
4. semester | MAT2400 – Reell analyse | STK2100 – Maskinlæring og statistiske metoder for prediksjon og klassifikasjon | Velg ett av disse tre emnene |
3. semester | MAT1125 – Videregående lineær algebra | STK1110 – Statistiske metoder og dataanalyse | IN2010 – Algoritmer og datastrukturer |
2. semester | MAT1110 – Kalkulus og lineær algebra | STK1100 – Sannsynlighetsregning og statistisk modellering | IN1010 – Objektorientert programmering |
1. semester | MAT1100 – Kalkulus | MAT1105 – Lineær algebra og numeriske metoder | IN1900 – Introduksjon i programmering for naturvitenskapelige anvendelser |
10 studiepoeng | 10 studiepoeng | 10 studiepoeng |
- MAT3440 – Dynamiske systemer
- MAT3100 – Lineær optimering
- MAT3360 – Innføring i partielle differensiallikninger
Master i Data Science
6. semester | Fritt emne | Fritt emne | STK-MAT2011 – Prosjektarbeid i finans, forsikring, risiko og dataanalyse |
---|---|---|---|
5. semester | MAT3110 – Innføring i numerisk analyse | STK3100 – Innføring i generaliserte lineære modeller | EXPHIL03 – Examen philosophicum |
4. semester | STK2130 – Modellering av stokastiske prosesser | STK2100 – Maskinlæring og statistiske metoder for prediksjon og klassifikasjon | Velg ett av disse tre emnene |
3. semester | MAT1125 – Videregående lineær algebra | STK1110 – Statistiske metoder og dataanalyse | IN2010 – Algoritmer og datastrukturer |
2. semester | MAT1110 – Kalkulus og lineær algebra | STK1100 – Sannsynlighetsregning og statistisk modellering | IN1010 – Objektorientert programmering |
1. semester | MAT1100 – Kalkulus | MAT1105 – Lineær algebra og numeriske metoder | IN1900 – Introduksjon i programmering for naturvitenskapelige anvendelser |
10 studiepoeng | 10 studiepoeng | 10 studiepoeng |
- MAT3440 – Dynamiske systemer
- MAT3100 – Lineær optimering
- MAT3360 – Innføring i partielle differensiallikninger
Master i Matematikk for anvendelser
6. semester |
Fritt emne |
MAT3400 – Lineær analyse med anvendelser | MAT2000 – Prosjektarbeid i matematikk |
---|---|---|---|
5. semester | MAT3110 – Innføring i numerisk analyse | EXPHIL03 – Examen philosophicum | Fritt emne |
4. semester | MAT2400 – Reell analyse | STK2100 – Maskinlæring og statistiske metoder for prediksjon og klassifikasjon | Velg ett av disse tre emnene |
3. semester | MAT1125 – Videregående lineær algebra | STK1110 – Statistiske metoder og dataanalyse | IN2010 – Algoritmer og datastrukturer |
2. semester | MAT1110 – Kalkulus og lineær algebra | STK1100 – Sannsynlighetsregning og statistisk modellering | IN1010 – Objektorientert programmering |
1. semester | MAT1100 – Kalkulus og HMS-emner | MAT1105 – Lineær algebra og numeriske metoder | IN1900 – Introduksjon i programmering for naturvitenskapelige anvendelser |
10 studiepoeng | 10 studiepoeng | 10 studiepoeng |
- MAT3440 – Dynamiske systemer
- MAT3100 – Lineær optimering
- MAT3360 – Innføring i partielle differensiallikninger