Bachelor i machine learning og datavidenskab

Om uddannelsen

Studiet gør dig til specialist i kunstig intelligens, machine learning og data science. Du lærer at udvikle algoritmer til kunstig intelligens, og om hvordan data analyseres i data science og bruges til at træne computere i machine learning. Du får også en stærk, teoretisk forståelse for matematikken og statistikken bag machine learning.

Hvorfor læse machine learning og datavidenskab?

Du lærer om de nyeste teknologier inden for kunstig intelligens fra en metodisk og teoretisk vinkel. Samtidig lærer du, hvordan machine learning og data science kan bruges til at forstå komplekse data. Det gør dig i stand til at skabe løsninger, der gavner mennesker og samfundet. Mange samfundsudfordringer, fra sundhed til klima, kræver forståelse af de store mængder data, vi opsamler. Den viden får du på denne uddannelse.

Hvad kan jeg blive med machine learning og datavidenskab?

Med et stærkt teoretisk fundament inden for statistik, matematik og datalogi, bliver du attraktiv i mange brancher. Du kan fx blive data scientist i sundhedssektoren eller arbejde med at udvikle kunstig intelligens i IT-firmaer eller ingeniørvirksomheder. Jobmarkedet for machine learnere er i hastig vækst med meget lav arbejdsløshed.

Adgangskrav og optagelse

For at søge ind på machine learning og datavidenskab skal du opfylde de generelle adgangskrav:

En adgangsgivende eksamen med mindst 6,0 i gennemsnit
eller
En adgangsgivende eksamen med en bestået KU kvote 2-prøve

Desuden skal du have bestået disse fag, når du søger i kvote 1 og kvote 2:

Dansk A
Engelsk B
Matematik A

Ansøgningsfrister

Ansøgere med dansk adgangsgivende eksamen og eventuel supplering:

kvote 1: 5. juli kl. 12
kvote 2: 15. marts kl. 12

Ansøgere med yderligere dokumentation:

kvote 1 og kvote 2: 15. marts kl. 12

Læs mere om kvote 1

Læs mere om kvote 2

Opfylder du ikke adgangskravene?

Find ud af, hvad du gør, hvis du ikke opfylder adgangskravene og reglerne for supplering.

Læs mere om eksamener, adgangskrav og supplering

Har du brug for særlig støtte til din uddannelse?

Overvejer du at søge ind på Københavns Universitet, og har du en diagnose, funtionsnedsættelse, et handicap eller er neurodivergent?

Læs mere om særlig støtte

Har du studeret før?

Der er et par ting, du skal være opmærksom på, hvis du har studeret på en videregående uddannelse før.

Læs mere om, hvordan du ansøger som tidligere studerende

Optagelsestal machine learning og datavidenskab 2024
Adgangskvotient	6,0
Standby-kvotient	Alle optaget, ledige pladser
Optagne	100
Fordeling i kvote 1 og kvote 2	90% / 10%
Ansøgninger (heraf i kvote 2)	315 (110)
Aldersgennemsnit	24,5
Juridisk kønsfordeling (cpr. - m/k)	87% / 13%

Undervisning og opbygning

Undervisningen på machine learning og datavidenskab består af forelæsninger, øvelser og rapportopgaver.

Forelæsningerne holdes for store hold med op til 450 studerende, mens øvelserne foregår på hold med cirka 25 studerende under vejledning af en ældre studerende (instruktor). Ved forelæsningerne gennemgås teorien af en underviser, mens øvelserne bruges til at uddybe dele af teorien, til opgaveregning og til arbejde med rapportopgaverne, som bidrager med praktisk erfaring og forståelse.

Projektarbejde udgør en vigtig del af uddannelsen, så du vil deltage i projektgrupper og få studierelaterede netværk undervejs i forløbet.

Opbygning

Bacheloruddannelsen i machine learning og datavidenskab er en 3-årig uddannelse. Hvert studieår er inddelt i fire blokke af otte ugers varighed. Du følger typisk to kurser i hver blok og afslutter blokken med eksamen.

Studiet kombinerer på alle år både datalogiske, matematiske og datavidenskabelige kurser. Kurserne Machine Learning, Data Science samt Deep learning handler direkte om træning af computere ud fra data, dybe neurale netværk, samt analyse og håndtering af data. På kurserne i Programmering og problemløsning, High Performance Computing samt Algoritmer og datastrukturer får du de datalogiske redskaber, der er nødvendige for at kunne håndtere store datamængder. De matematiske fag spænder fra matematisk analyse over sandsynlighedsregning til avancerede statiske kurser.

Kurserne er fordelt således, at du på første år har kurser i programmering og problemløsning samt data science, hvor du har fokus på hele datahåndteringsprocessen fra indsamling og lagring til analyse og visualisering. Derudover følger du matematiske og statistiske kurser, som giver dig det teoretiske fundament til at forstå dataanalysemetoder.

På andet år har du kurser i machine learning, kunstig intelligens – bl.a. som dybe neurale netværk – yderligere matematiske, statistiske og datalogiske kurser, samt videnskabsteori.

Valgfrihed og bachelorprojekt på tredje år

På tredje år følger du en lang række kurser efter eget valg. Du kan bruge uddannelsens valgfrie del på mange måder:

Du kan studere i udlandet som en del af din datalogi-uddannelse
Du kan tage kurser, der giver dig adgang til en kandidatuddannelse i statistik, eller kurser der giver dig videre datalogisk eller matematisk indsigt
Du kan også følge kurser fra et helt andet fagområde, fx hvis du vil bruge dine dataanalysekompetencer på problemer fra et andet fag.
Du kan være med i et virksomhedsprojekt eller tage et kursus i innovation, hvis du overvejer at starte egen virksomhed

Du afslutter uddannelsen med et bachelorprojekt af et halvt års varighed.

Få svar på ofte stillede spørgsmål om hverdagen på studiet her

Uddannelsen i machine learning og datavidenskab ser sådan ud. Klik på kursusnavnet for at se en nærmere beskrivelse af kursets indhold:

1. år

Blok 1	Blok 2	Blok 3	Blok 4
Programmering og problemløsning	Programmering og problemløsning (forsat)	Grundlæggende data science	Databases and Information Systems
Introduktion til matematik i naturvidenskab	Sandsynlighedsregning og statistik	Introduktion til diskret matematik og algoritmer	Lineær algebra i datalogi

2. år

Blok 1	Blok 2	Blok 3	Blok 4
Machine Learning A	Deep learning	Models for Complex Systems	Randomiserede algoritmer til dataanalyse
Matematisk analyse	High Performance programmering og systemer	Algoritmer og datastrukturer	Datalogiens videnskabsteori

3. år

Blok 1	Blok 2	Blok 3	Blok 4
Valgfrit kursus	Valgfrit kursus	Valgfrit kursus	Valgfrit kursus
Valgfrit kursus	Valgfrit kursus	Bachelorprojekt	Bachelorprojekt (forsat)

En blok svarer til ni uger og 15 ECTS. Oversigten er vejledende og kan ændre sig.

Udlandsophold eller virksomhedsprojekt

Har du lyst til at rejse, opleve en fremmed kultur, møde nye mennesker, få en anden faglig tilgang til dit studie samt forbedre dine sprogkundskaber? Eller kunne du tænke dig at anvende teorier og metoder i praksis i en erhvervsmæssig sammenhæng, mens du opbygger forståelse for hverdagen på en arbejdsplads og samarbejdet med andre faggrupper? Så er et udlandsophold eller en virksomhedspraktik måske noget for dig.

Studieordninger

Studieordningen for machine learning og datavidenskab

Fælles studieordning for alle SCIENCE uddannelser

Bliv klogere på machine learning og datavidenskab

Mød studielederen, som fortæller om uddannelsen, samt en kandidatstuderende med fokus på machine learning. Desuden fortæller en data scientist på Lundbeck om sit arbejde med at analysere data fra patienter med Alzheimers.

Uddannelsestjek

Er uddannelsen noget for mig?

Prøv et uddannelsestjek og bliv klogere på, om du er klar til at læse bacheloruddannelsen i machine learning og datavidenskab. Du kommer igennem 10 spørgsmål om uddannelsen. Husk, at uddannelsestjekket er vejledende - der er ingen rigtige eller forkerte svar.

Karrieremuligheder

I disse år går forskning og udvikling af kunstig intelligens og machine learning meget stærkt. Det giver os muligheden for at få computere til selv at kunne træne sig op til at udføre opgaver, fx at diagnosticere sygdomme ud fra medicinske billeder, at styre selvkørende biler og automatisk at oversætte tale til tekst. Med uddannelsen bliver du en del af denne udvikling og klar til selv at udvikle nye machine learning algoritmer og data science metoder.

I løbet af uddannelsen får du:

et stærkt teoretisk indhold med både matematiske, statistiske og datalogiske kurser
viden om moderne machine learning teknikker og kunstig intelligens
metoder og teknikker til behandling og analyse af store datamængder
erfaring i at arbejde med statistisk modellering, high-performance computing, samt algoritmer og datastrukturer.

Som færdiguddannet kan du udvikle computerprogrammer til at håndtere, lagre, og visualisere data. Du har samtidig fået en teoretisk forståelse, som forbereder dig til at udvikle nye metoder og redskaber til dataanalyse, machine learning, og kunstig intelligens.

Læs mere om uddannelsens opbygning, undervisning og kurser

Bacheloruddannelsen i machine learning og datavidenskab lægger op til, at du læser videre på en 2-årig kandidatuddannelse. På Københavns Universitet har du mulighed for at søge ind på følgende engelsksprogede kandidatuddannelser:

Datalogi
Datalogi – erhvervskandidat
Bioinformatik
Statistik (hvis du har taget de nødvendige valgfag)

Se de kandidatuddannelser på KU, denne uddannelse giver adgang til

Med en bacheloruddannelse i machine learning og datavidenskab bliver du efterspurgt både i det private erhvervsliv og i den offentlige sektor, fordi der er stort behov for folk, som kan analysere de voksende datamængder i samfundet. Der er også rift om dine kompetencer i virksomheder, der arbejder på højtryk med udvikling inden for machine learning og kunstig intelligens.

Jobmarkedet for machine learnere er i hastig vækst, og der er meget lav arbejdsløshed blandt dataloger. Dine jobmuligheder bliver endnu bedre med det ekstra matematiske fundament, du får på uddannelsen. Du kan fx arbejde som data scientist i sundhedssektoren, i IT-firmaer eller ingeniørvirksomheder. Du kan også blive forsker eller underviser eller starte egen virksomhed.

Studieliv

Datalogisk Institut (DIKU) på Københavns Universitet er berømt for dets helt unikke studieliv. Lige fra instituttets fødsel har de studerende stået i spidsen for at skabe en række foreninger og traditioner, som er med til at skabe sammenhold mellem de studerende på tværs af årgange, og som også knytter mange tidligere studerende til studiet.

Især ét sted på Datalogisk Institut fungerer som samlingssted for alle de studerende – kantinen. I kantinen på 2. sal i DIKU’s gamle bygning sidder de studerende og arbejder, næsten i døgndrift. DIKU's kantine er universitetets eneste studenterdrevne kantine – derfor minder atmosfæren i kantinen også lidt om et kollegies fælleskøkken. Kantinen er stedet, hvor alle årgangene mødes og snakker, spiser og hygger, arbejder og slapper af.

Læs interviews med studerende fra machine learning og datavidenskab

Computere er stadig ret dårlige til at forstå menneskesprog. Som Ph.d-studerende arbejder 27-årige Yova Kementchedjhieva på at ændre dette – det er nemlig nødvendigt, hvis flere mennesker skal have adgang til de værktøjer, som er blevet en selvfølgelig del af vores hverdag.

“Straight children play best”. Sådan ser resultatet ud, når man beder Google Translate oversætte: ”Lige børn leger bedst”. Og hvem kender ikke lignende ubrugelige oversættelser. Det er sprogteknologien NLP, der her er i spil.

NLP – der står for Natural Language Processing – er det felt inden for kunstig intelligens, der handler om at lære computere at forstå og producere sprog. De fleste af os er i kontakt med NLP-teknologi i dagligdagen – ikke kun i form af Google Translate, men også som chatbots, email-filtre, autokorrektur og digitale assistenter som Siri og Alexa.

Men computerne har endnu meget at lære, som oversættelsen ovenover viser. For maskinerne har stadig svært ved sådan rigtigt at forstå menneskesprog, forklarer Yova Kementchedjhieva, der som Ph.d-studerende på Datalogisk Institut forsker i NLP:

”Når Google Translate ofte giver os den slags uduelige oversættelser, er det fordi computeren kun anvender en overfladisk viden om sprogene og egentlig ikke forstår det indhold, den oversætter på det abstrakte niveau, som vi mennesker gør,” siger hun.

Computere skal ”tænke” som mennesker

Målet inden for NLP-forskning er derfor netop at give computere en stærkere forbindelse til den virkelige verden, så de bliver i stand til at lære og ræsonnere mere ligesom mennesker.

”Computeren kan efterabe menneskeadfærd, men den lærer og ræsonnerer ikke på samme måde som et menneske. En baby behøver stadig langt mindre input for at lære sprog, end en computer gør. Det håber jeg, vi kan ændre. Forestillingen om computere, der ”tænker” som mennesker, får måske dystre sci-fi-agtige scenarier frem på nethinden hos nogle. Men mange af de opgaver, computere allerede løser for os, kan blot løses bedre, hvis vi lærer at træne computerne til at forstå vores sprog på et mere nuanceret plan,” siger Yova.

Det var først og fremmest en interesse for sprog, der førte 27-årige Yova Kementchedjhieva til NLP-forskningsfeltet. Efter en bachelorgrad i lingvistik og en master i NLP på University of Edinburgh, kom hun til Københavns Universitet, hvor hun nu er ved at gøre sin ph.d. færdig.

”Jeg synes det er ret cool at stå med et problem, hvor du både skal bruge algoritmer og lægge sproglige puslespil. Det er teoretisk og anvendeligt på samme tid. Du er nødt til at forstå et sprogs egenskaber for at kunne fodre computeren, men du skal også forstå, hvad computeren kan og ikke kan. Du arbejder i krydsfeltet mellem mennesketænkning og computerberegning – og forsøger så at bygge bro mellem de to,” siger Yova.

Hendes fokus er såkaldte multilingual NLP-metoder, hvor en central udfordring er at udvikle algoritmer, der virker med meget små mængder data.

”Det meste NLP er centreret om det engelske sprog, og det meste data er derfor på engelsk. Men vi vil også gerne udvikle redskaber på andre sprog. Mange vigtige stemmer rundt om i verden har i dag ikke adgang til NLP-værktøjer, der bliver mere og mere uundværlige, fordi deres sprog ikke rangerer højt nok til at blive prioriteret. Selv på et sprog som dansk er et værktøj som autokorrektur meget dårligere, end det er på engelsk. Så der er millioner af mennesker, der kan få gavn af bedre NLP-systemer. På den måde kan NLP have en demokratiserende effekt,” slutter Yova.

At forstå machine learning har krævet hårdt arbejde for Thomas Christensen, der nu glæder sig til at bruge sin viden til at løse nogle af verdens problemer. Nøglen til det hele har været det stærke sociale liv på studiet.

Kunstskøjteløbere, svømmetrænere, gamere og festaber. Det er bare et udpluk af de mange personligheder, som Thomas Christensen har mødt på sin uddannelse.

"Det sociale er helt klart det bedste ved at studere på Datalogisk Institut (DIKU). Jeg synes virkelig, at der er plads til alt og alle. Det er sjældent, man ser et socialt miljø, som er så åbent og accepterende", siger Thomas.

Og det er noget han har sat stor pris på. Han er del af den første årgang på bacheloruddannelsen i machine learning og datavidenskab. Et studie som kan være hårdt arbejde en gang i mellem. "Men det sociale sammenhold er klart noget som har hjulpet mig igennem de stressede dage", siger Thomas.

For ham har det fælles liv på DIKU (Datalogisk Institut på Københavns Universitet), med foreninger der går på tværs af årgange og uddannelser, været afgørende for, at han er faldet godt til. Du kan læse mere om foreningerne her >>

Lærer mere

Uddannelsen i machine learning og datavidenskab har ifølge Thomas Christensen den mest optimale kombination af matematik og programmering:

"Jeg elsker studiet, men det har også krævet en noget større arbejdsbyrde, end da jeg gik i gymnasiet. Dengang kom alting rimelig let til mig. Her føler jeg virkelig, at jeg lærer noget spændende hver uge", siger han og fortsætter:

"Den største overraskelse, jeg har haft indtil videre, er mængden af teori, der skal til for at forstå machine learning og datavidenskab. Studiet rammer dog en god balance imellem at være udfordrende, men ikke alt for krævende."

På studiet er der også en del valgfrihed til at supplere med kurser i fx statistik, etik og datalogi.

Vil løse spændende og komplicerede problemer

Mulighederne for at præge uddannelsen i forskellige retninger passer Thomas Christensen rigtig godt. Han har nemlig ikke låst sig fast på et bestemt område, som han vil arbejde inden for endnu.

"Jeg ser mere min uddannelse som en vej til at arbejde med de spændende og komplicerede problemer, vi bruger kunstig intelligens til at løse. Ikke en lige vej til et bestemt job."

Og i en verden, der i stigende grad efterspørger eksperter i datavidenskab og machine learning, så kommer der hele tiden nye og spændende områder, hvor Thomas Christensen kan bruge sin uddannelse til at løse problemer:

"Alle steder der bruges data, vil jeg kunne bidrage med noget, og derfor kan jeg også vælge at gøre karriere, der hvor jeg føler, jeg kan have indflydelse. Det er vigtigt for mig."

De sociale foreninger

Her er en oversigt over de vigtigste foreninger lige nu:

Caféen? er den fælles fredagsbar og lektiecafé for alle uddannelser på fakultetet, men de frivillige studerende, der driver Caféen? kommer hovedsageligt fra datalogi- og fysikstudierne. Udover den ugentlige fredagsbar bliver der også afholdt en række andre arrangementer såsom temafester, koncerter med live musik, julefrokoster, grillaftener, spilleaftener, fællesmiddage og meget mere.

Find Caféen på Facebook

En gruppe frivillige studerende og forskere har startet en lokalafdeling på DIKU af de populære Coding Pirates, som har til formål at lære børn og unge at programmere. Det foregår en gang om ugen, og bagefter mødes de frivillige i kantinen til fællesspisning og hygge.

Læs mere om Coding Pirates på deres hjemmeside.

DIKU Fagråd repræsenterer DIKU's studerende i Instituttets undervisningsudvalg og på fakultetsniveau. Derudover er fagrådet også en samleforening for alle de sociale foreninger på DIKU – det er fx gennem fagrådet der tages beslutning om, hvilke sociale foreninger der skal nyde godt af den årlige pengepose fra fagforbundet Prosa. Kontakt fagrådet på: dikufagraad@srku.dk

Find DIKU Fagråd på Facebook

DICON er en forening, som faciliterer brætspil på DIKU. Vi arrangerer begivenheder, hjælper jer, der vil afholde brætspilsarrangementer, og sørger for at der er brætspil tilgængelige i DIKUs egen K@ntinen.

Hvis du har en god idé til en arrangement, har lyst til at hjælpe med at holde vores månedlige begivenhed, eller har idéer til brætspil vi ikke har endnu, så skriv til dicon@di.ku.dk

Find DICON på Facebook

DIKUrevy er en stolt tradition, der har eksisteret siden 1973. Som deltager i revyen er der mulighed for at prøve kræfter med skuespil, sang og dans (for at være på scenen skal du havde taget mindst et datalogisk kursus). Vi har live band, teknik og fantastiske backstagefolk, som du selvfølgelig også kan være en del af (dette er uden krav). Revyen bliver afholdt i Blok 4, men bliver arrangeret hyggelige skrivemøder og sociale sammenkomster i løbet af hele studieåret. Revyen er et fællesskab, hvor hygge og kreativ udfoldelse er i højsæde. Så hvis du er interesseret i at blive en del af holdet, så find os på Facebook. I DIKUrevyen er der plads til alle.

Find DIKUrevy på Facebook

Kontakt: boss@dikurevy.dk

Den årlige skitur er en populær tradition på DIKU. I perioden op til turen bliver der typisk arrangeret hyggelige arrangementer, hvor vi spiser sammen, drikker nogle øl eller ser film, så deltagerne kan lære hinanden at kende, og der bliver også sørget for fælles madlavning og hygge til busturen.

Kantinen på DIKU er et levende sted, hvor undervisere og studerende fra alle årgange mødes. Den fungerer som DIKUs sociale samlingspunkt – der spises, drikkes, studeres og hygges. Her er rigeligt med siddepladser, hvor du kan hygge og spise. Med netforbindelse og strømstik ved hvert bord er kantinen også et ideelt sted at sidde og studere.

Kantinen har et studenterkøkken, hvor du som bruger er en aktiv del af den daglige drift. Til gengæld har den åben 24x7x365 – altid med studentervenlige priser.

Vi afholder også nogle af DIKUs fedeste arrangementer, fx vores intromiddag i september/oktober for nye studerende, klippe-klistre-dag (sidste torsdag i november) og julefrokost i december.

Kantinen er placeret på 2. sal i midterfløjen, Universitetsparken 1, 2100 København Ø.

Kontakt: bestyrelsen@kantinen.org

Find Kantinen på Facebook

Pwnies er KU's hackergruppe. Vi er en gruppe, som engagerer sig i IT-sikkerhed og deltager i diverse 'capture the flag' hacking konkurrencer. Vi mødes i vores lokale på HCØ hver torsdag kl. 17, hvor vi spiser, hygger og hacker sammen.

Find Pwnies på Discord

RusKursusGruppen (RKG) står for den årlige afholdelse af rusture og andre sociale arrangementer. Gruppen består af ca. 50 frivillige, der over sommerferien mødes og planlægger turene, herunder teambuilding aktiviteter, lege og fester. Resten af året står gruppen for afholdelse af fester og sociale arrangementer, såsom Bannerfesten, Førsteårsfesten, 1. maj og eksamensfester i slutningen af hver blok.

RKG tager på flere hyggelige hytteture, hvor vi uddanner os til vejledere og lærer hinanden bedre at kende.
Som vejleder får man et stærkt netværk på studiet, og lærer en masse seje mennesker at kende. Vejlederne sørger for at de nye studerende falder godt til på studiet, og lærer DIKU’s traditioner og sange.

Vi optager nye vejledere i løbet af blok 3 og 4, og har en årlig introaften først i december.

DikuLAN er en social forening, hvor vi mødes 1-2 gange per studieår for at spille computerspil, brætspil mm. sammen. Vi booker Kantinen og spiller en hel weekend.

Hvis du har lyst til at være med til et LAN party, så hold øje med plakater rundt omkring på DIKU eller de forskellige DIKU Facebook sider. Ud over vores arrangementer har vi også to VR headsets til rådighed, som man også kan få lov at låne i undervisningsøjemed.

Hvis du gerne vil være med til at arrangere et LAN, så kom med på vores Discord server: https://discord.gg/493Uugcqtc

FC SparC er fodboldklubben for fodboldinteresserede studerende på henholdsvis Datalogi og Machine Learning. Vi mødes ugentligt til træning og spiller med i fakultetets sæsonbaserede fodboldturnering blandt de forskellige naturvidenskabelige uddannelser, kendt som SCIENCEcuppen. Vi har selvfølgelig den bedste tredje halvleg af alle klubberne på campus.

Navnet stammer fra klubbens oprindelse i firserne, og er baseret på en supercomputer-arkitektur.

Vi er en primært dansk forening, men alle er velkomne og vil en dag møde en dårlig glidende tackling.

Kontakt: fcsparc@di.ku.dk

DatØk Fodbold er Datalogi-økonomi’s fodboldhold. Vi deltager i fakultetets fodboldturnering SCIENCE-Cuppen, som spilles i Blok 1 og Blok 4. Fodboldholdet er en god måde at mødes på tværs af hold og årgange. Her hygger vi os og nyder at være sammen om noget andet end studiet. Af den grund håber vi, at alle der har interesse, uanset erfaring og køn, dukker op til træning og kampe.

Kontakt: datokfodbold@di.ku.dk

Nørre Campus

Uddannelsen hører hjemme på Nørre Campus, som ligger ved Mærsk Tårnet, Københavns største og mest populære park, Fælledparken, og Panum på Blegdamsvej. Her finder du både naturvidenskabelige uddannelser og sundhedsvidenskabelige uddannelser.

Læs mere og se en film om Nørre Campus

Machine learning og datavidenskab – studiemiljøet

Sofie fortæller om studiemiljøet på uddannelsen.

Machine learning og datavidenskab – det faglige

Sofie læser bacheloruddannelsen i machine learning og datavidenskab. Her fortæller hun om det faglige på uddannelsen.

En studiestart for alle

Inden undervisningen starter, holder vi en studiestart i august for dig og dine nye medstuderende. Her står et hold af tutorer, der allerede går på din uddannelse, klar til at tage godt imod jer. Tutorerne har planlagt en række sociale og lærerige aktiviteter for alle, så du får en tryg og god start på din nye uddannelse.

Få indblik i, hvad der sker i din første tid på studiet – og hvornår du skal sætte kryds i kalenderen.

En snak om uddannelsen i machine learning og datavidenskab

Til Åbent Hus kunne du møde Andreas, som læser machine learning og datavidenskab. I videoen fortæller han om uddannelsen.

Mød de studerende

Det fedeste ved studiet er fællesskabet. Så udbredt er machine learning heller ikke, så det er fedt at finde en klike af mennesker, der deler samme interesse.

Besøg os

Du har flere muligheder for at besøge os på machine learning og datavidenskab. Her kan du få en forsmag på uddannelsen og studiemiljøet.

Uge 9

Kontakt vejledningen

SCIENCE Studenterservice

Har du spørgsmål til uddannelsens faglige indhold, adgangskrav,optagelse, studiemiljø eller karrieremuligheder, er du altid velkommen til at kontakte en studie- og karrierevejleder i SCIENCE Studenterservice.

Kontakt SCIENCE Studenterservice

KU bacheloroptagelse

Du kan få flere oplysninger om studiet ved at henvende dig til vores vejledere.

Har du spørgsmål til:

optagelse i kvote 1 eller kvote 2
ansøgningsprocedurer
adgangskrav
studievalg eller studietvivl
særlig støtte (SPS)

Kontakt KU bacheloroptagelse

Her ligger uddannelsen

Det Natur- og Biovidenskabelige Fakultet (SCIENCE), Nørre Campus, Universitetsparken 5, 2100 København Ø.

Spørgsmål og svar om studiet

Du vil opleve, at der er en række forskelle fra at være elev på en ungdomsuddannelse til at være bachelorstuderende på universitetet. Som studerende har du mere frihed – og også et større ansvar for selv at sætte kursen for din uddannelse.

Herunder kan du finde svar på nogle af de spørgsmål, som kommende studerende ofte spørger om.

Studieåret er delt op i blokke:

Blok 1 og 2 i efteråret fra starten af september til slutningen af januar
Blok 3 og 4 i foråret fra starten af februar til slutningen af juni

Ud over de 4 blokke i foråret og efteråret er det også muligt at tage kurser i sommerferien (blok 5).

Hver blok består af ca. 8 ugers undervisning, en eksamensuge og en mellemuge. Du vil altså have kortere kurser og gå til eksamen oftere, end du er vant til fra din ungdomsuddannelse.

Det sker i undervisningsugerne

I undervisningsugerne har du skemalagt undervisning sammen med dine medstuderende.

Det sker i eksamensugen

I eksamensugen har du eksamener. Afhængigt af hvornår på ugen dine eksamener ligger, skal du både bruge ugen til at

forberede dig til eksamen
deltage i eksamen.

Det sker i mellemugen

Mellemugen er skemafri. Det betyder, at der ikke er planlagt undervisning.

Du kan bruge ugen på at

gå til reeksamen, hvis der er et tidligere kursus, du ikke har bestået
forberede dig til dine næste kurser
deltage i studierelevante arrangementer, hvis du har tid og lyst
holde helt fri fra studiet og lade op til endnu en blok.

Studieårets opbygning i blokke betyder, at du får nytskema op til 4 gange om året. Det skal de fleste nye studerende lige vænne sig til.

Dit skema ændrer sig fra blok til blok og er afhængig af, hvilken slags undervisning der er på dine kurser.

Alle kurser har en skemagruppe, alt efter hvilket tidsrum undervisningen ligger i. Ud fra skemagruppen kan du se, hvornår på ugen din undervisning kommer til at ligge.

På den måde kan du planlægge dine fritidsaktiviteter og evt. studiejob i god tid, før du får dit endelige skema.

Find skemagrupperne for de enkelte kurser ved at klikke på kursustitlerne under Undervisning og opbygning. Du finder skemagruppen til højre på kursets side.

Sådan er skemagrupperne fordelt

Undervisningsugen er opdelt i skemagruppe A, B, C og D.

Eksempel: Har du et kursus der ligger i skemagruppe B, er undervisningen placeret inden for følgende tidspunkter:

Mandag kl. 8.00-12.00
Tirsdag kl. 13.00-18.00
Fredag kl. 8.00-13.00

Cirka en uge før du starter på uddannelsen, kan du se hvornår og hvor forelæsninger og øvelser er placeret. Du kan se dit skema på kunet.ku.dk eller i appen MyUCPH. Begge steder skal du bruge dit KU-login, som du modtager, inden du starter på uddannelsen.

Undervisningsformen er forskellig fra kursus til kursus. Noget undervisning har en anderledes form end den, du kender fra din ungdomsuddannelse.

Undervisningen veksler mellem

forelæsninger i et stort auditorium sammen med mange andre studerende
øvelsestimer, hvor du løser opgaver i grupper eller individuelt

Læs om undervisningsformen på de enkelte kurser ved at klikke på kursustitlerne under Undervisning og opbygning.

Det er dit ansvar at deltage i undervisningen

På universitetet bliver der generelt ikke registreret fravær. På de fleste kurser er det dit eget ansvar at dukke op til undervisningen.

På nogle kurser er der dog krav til, at du skal deltage i fx 80% af undervisningen.

Du vil typisk have ca. 20 timers undervisning om ugen.

Du har enten to mindre kurser samtidig eller ét stort kursus per blok (et studieår består af fire blokke).

Kurserne er bygget forskelligt op, så din undervisningsuge kan både bestå af hele og halveundervisningsdage. Du kan også opleve at have en helt undervisningsfri dag.

I videoen herunder kan du høre tre studerende, Bothilde, Lise og Maria, fortælle om

hvor meget undervisning de har
hvordan de oplever, at det skifter fra blok til blok.

Du skal regne med ca. 26 timers forberedelse om ugen inklusive eksamensforberedelse.

Du planlægger selv din forberedelse

Det er dig selv, der prioriterer dine opgaver, din forberedelse og din fritid, når du læser på universitetet.

Om du kommer til at bruge 26 timer på forberedelse hver uge er svært at vide på forhånd. Måske er du hurtigere til at forberede dig til de kurser, du synes er allermest spændende eller har let ved. Måske har du brug for mere tid til kurser, du synes er svære.

Når eksamen nærmer sig, vil du sikkert opleve, at du bruger mere tid end du plejer.

Det er forskelligt fra kursus til kursus, hvordan du får brug for at forberede dig for at være klædt bedst på til undervisningen.

Din forberedelse kan fx bestå i, at du

skriver opgaver
løser regne- og programmeringsøvelser
læser undervisningsmateriale
laver gruppearbejde

Du får anbefalinger til, hvordan du kan forberede dig

Det er op til dig selv at beslutte, hvor meget du læser og forbereder dig til undervisningen. Der er altså ikke lektier på samme måde, som du kender det fra din ungdomsuddannelse.

Du får dog typisk en liste over litteratur og øvelser, der bliver gennemgået i løbet af hvert kursus. Se listen som et forslag til, hvad du kan læse og øve dig på.

På nogle kurser er der krav til, at du fx består et antal afleveringsopgaver i løbet af kurset for at kunne gå til eksamen.

Mængden af gruppearbejde varierer fra kursus til kursus. På nogle kurser er der meget gruppearbejde som en del af undervisningen, mens du på andre kurser skal arbejde individuelt.

Det er beskrevet i kursusbeskrivelsen, hvis gruppearbejde en del af undervisningsformen. Læs om undervisningsformen på de enkelte kurser ved at klikke på kursustitlerne under Undervisning og opbygning.

Vær med i en studiegruppe

Alle studerende bliver inddelt i studiegrupper, når de begynder på uddannelsen. På den måde har du nogen at sparre med fagligt og socialt fra starten. Du kan senere i uddannelsen også vælge at arbejde sammen med andre eller alene. Langt de fleste studerende vælger at fortsætte i en studiegruppe det meste af studietiden.

I din studiegruppe kan du

forberede dig til undervisningen
vende din tvivl om det faglige stof
samarbejde omkring opgaver på studiet.

Men din studiegruppe giver dig ikke kun sparring omkring det faglige. Den giver dig også et socialt tilhørsforhold og en masse vigtige erfaringer og nye redskaber, som du får brug for – både i dit studieliv og i dit kommende arbejdsliv.

Du kommer til at læse mange forskellige typer tekster i løbet af uddannelsen. Det kan både være kortere og længere tekster, fx artikler fra videnskabelige tidsskrifter og tekster fra lærebøger.

Noget læsestof vil være

svært, fordi det er helt nyt for dig
lettere, fordi det bygger videre på det faglige stof, du kender fra din ungdomsuddannelse.

Du vænner dig til det engelske

Selvom bacheloruddannelsen er dansksproget, kommer du til at møde tekster på både dansk og engelsk. Det kan også være, at undervisningen på enkelte af dine kurser er på engelsk.

Husk, at dine medstuderende er i samme båd som dig, så du er ikke alene om at skulle vænne dig til engelsk indhold. Du bliver bedre til at læse og formulere dig på engelsk i løbet af uddannelsen.