Aftagerpanelmøde 2020...projektledelse (40,1%) (it -barometer 2020). - vi vil i 2030 mangle 19.000...

AFTAGERPANELMØDE 2020

INSTITUT FOR DATALOGI7. AUGUST 2020

Program

9.00 Velkomst og præsentationsrunde9.30 På vej mod en ny strategi for Institut for Datalogi9.45 Forventninger til IT-kandidaters kompetencer og impact i 203010.45 Kort pause10.55 Dagens status for instituttets uddannelser12.00 Frokost12.45 Instituttets uddannelsesportefølje anno 203014.00 Galleri og syntese på portefølje i plenum14.30 Navneændring: Datavidenskab og kunstig intelligens14.50 Afslutning og tak til deltagerne15.00 Tak for nu

2

Aftagerpanelet

1. Finn M. Andersen, B&O2. Kim Emil Andersen, Vestas3. Kim Houlberg, Aalborg Kommune4. Janne Jul Jensen, Elsevier5. Søren Rex Jensen, Nykredit6. Gitte Klitgaard, Native Wired7. Erik B. Pedersen, Kamstrup8. Annelise Ravn, Novo Nordisk9. Lars Riisberg, Logimatic Solutions A/S10. Natasha Friis Saxberg, IT-Branchen11. Michael Trangeled, Netcompany12. Henrik Weide, CEGO, Weide & Holm ApS13. Lars Yde, Tele2

3

Aftagerpanelets rolle mm.

• Universitetsloven: Dialog om alle spørgsmål vedrørende uddannelsesområdet, herunder blandt andet• uddannelsernes kvalitet og relevans• udvikling af nye og eksisterende uddannelser• rekruttering af studerende• nationale og internationale tendenser• rammerne for samarbejdsprojekter og projektorienterede forløb

• Medlemmer af panelet udpeges for 4 år med mulighed for forlængelse• Normalt 1 årligt møde

4

Deltagere – præsentationsrunde

AftagereHenrik WeideGitte KlitgaardJanne Jul JensenSøren Rex Jensen (online)Lars YdeNatasha Friis Saxberg (online)Kim Houlberg

InterneJesper KjeldskovUffe KjærulffLone Leth Thomsen

Ulrik NymanPeter Axel NielsenMikael B. SkovJohn Stouby PerssonBent ThomsenAnders Høgh Hansen (studerende)Melanie Selman (studerende)Elisabeth Niemeyer Laursen (studerende)Diana Plejdrup Frank (referent)

MobilizeMarie Louise Blauenfeldt (moderator)

5

På vej mod en ny strategi for Institut for Datalogi

6

Forventninger til IT-kandidaters kompetencer og impact i 2030

7

Korte oplæg

• Natasha Friis Saxberg• Søren Rex Jensen• Melanie Selman & Elisabeth Niemeyer Laursen

8

IT-KANDIDATERS KOMPETENCER OG IMPACT I 2030

AALBORG UNIVERSITET AFTAGERPANEL 7 AUGUST 2020

NATASHA FRIIS SAXBERGADM. DIREKTØR, IT-BRANCHEN

PROGRAMPUNKTER

•HVILKE BEHOV SER IT-BRANCHEN FOR IT-KANDIDATAER NU OG OM 10 ÅR?

•HVILKE KOMPETENCER FORVENTER IT-BRANCHEN, AT IT-KANDIDATER HAR NU OG OM 10 ÅR?

•HVORDAN KAN IT-KANDIDATER SKABE IMPACT /SAMFUNDSNYTTE NU OG OM 10 ÅR?

•HVORDAN KAN INSTITUT FOR DATALOGI SKABE IMPACT/SAMFUNDSNYTTE NU OG OM 10 ÅR?

BEHOV FOR IT-KANDIDATER - NU OG OM 10 ÅR

NU OM 10 ÅR

- 62,9% STØRSTE VÆKSTBARRIERE I 2020

- I 2019/2020 MÅTTE 38,7% AF IT-VIRKSOMHEDER HELT OPGIVE AT BESÆTTE STILLINGER

- DEN STØRSTE BARRIERE FOR I DE RETTE IT-KOMPETENCER; ANSØGERNE MANGLER SPECIFIKKE SPIDSKOMPETENCER.

- DET ER fortsat softwareudvikling, SOM DER ER STØRST EFTERSPØRGSEL PÅ (63,7%). DERNÆST KOMMER FORRETNINGSFORSTÅELSE (46,3%), EFTERFULGT AF IT-PROJEKTLEDELSE (40,1%) (IT-BAROMETER 2020).

- VI VIL I 2030 MANGLE 19.000 IT-SPECIALISTER I FLG. ERHVERVSSTYRELSEN

- ØGET EFTERSPØRGSEL AF KOMPETENCER INDEN FOR KONSTRUKTION OG PLANLÆGNING, HERUNDER SÆRLIGT UDVIKLERE, SYSTEMANALYTIKERE OG IT-ARKITEKTER (ERHVERVSSTYRELSEN)

- EFTERSPØRGSLEN EFTER KOMPETENCER INDEN FOR DRIFT OG SUPPORT, ER AFTAGENDE.

- KOMPETENCEBEHOV INDENFOR EN RÆKKE VÆKSTOMRÅDER, SÅSOM DYNAMISK WEBPROGRAMMERING (EX UDVIKLING AF PLATFORME TIL E-HANDEL), KOMPETENCER INDENFOR CLOUDLØSNINGER, BIG DATA OG DATA-ANALYSEKOMPETENCER, SAMT KOMPETENCER INDEN FOR DIGITALE FREMSTILLINGS- OG PRODUKTIONSTEKNIKKER.

HVORDAN KAN IT-KANDIDATER SKABE IMPACT /SAMFUNDSNYTTE NU OG OM 10 ÅR?

- Styrke fokus på innovation og iværksætteri og kontinuerligt have fokus på at øge forskningssamarbejdet med både små og store virksomheder (tendens til, at de store danske it-virksomheder har et ”forsknings-underskud”)

- Fokusere uddannelser mod de tunge tekniske kompetencer, som efterspørges, f.eks. konstruktion, og fortsætte dialogen i aftagerpanel og inkorporere inputs. IT-Branchen mener i øvrigt at det gode arbejde i aftagerpaneler skal understøttes af løbende fremskrivninger af behovet for it-kompetencer (gentagelse af undersøgelsen om de 19.000 i 2030) samt et nationalt advisory board, der kan rådgive og understøtte aftagerpanelerne.

- Øge udbuddet af efteruddannelse, så der kan opkvalificeres til branchens behov. Hver tredje IT-virksomhed (37,8%) vil bruge flere ressourcer på videreuddannelse/opkvalificering/traineeforløb.

- Tiltrække flere kvinder til tech-uddannelserne. Der er uudnyttede ressourcer og kompetencer at hente, og med mere diversitet, kan der bidrages med nye perspektiver til branchen. Med kun 12,19% kvinder i AI professioner, ligger Danmark tredjenederst i EU28, når det kommer til andelen af kvinder i AI professioner

- Det er teknologien, der skal levere løsningen på de store globale udfordringer. Og dermed får IT-kandidaterne en helt central rolle i at nytænke vores samfund – med behørig afsæt i etik, privacy og bæredygtighed.

HVORDAN KAN IT-KANDIDATER & INSTITUT FOR DATALOGI SKABE IMPACT /SAMFUNDSNYTTE NU OG OM 10 ÅR?

- Styrke fokus på innovation og iværksætteri og kontinuerligt have fokus på at øge forskningssamarbejdet med både små og store virksomheder (tendens til, at de store danske it-virksomheder har et ”forsknings-underskud”)

- Fokusere uddannelser mod de tunge tekniske kompetencer, som efterspørges, f.eks. konstruktion, og fortsætte dialogen i aftagerpanel og inkorporere inputs. IT-Branchen mener i øvrigt at det gode arbejde i aftagerpaneler skal understøttes af løbende fremskrivninger af behovet for it-kompetencer (gentagelse af undersøgelsen om de 19.000 i 2030) samt et nationalt advisory board, der kan rådgive og understøtte aftagerpanelerne.

- Øge udbuddet af efteruddannelse, så der kan opkvalificeres til branchens behov. Hver tredje IT-virksomhed (37,8%) vil bruge flere ressourcer på videreuddannelse/opkvalificering/traineeforløb.

- Tiltrække flere kvinder til tech-uddannelserne. Der er uudnyttede ressourcer og kompetencer at hente, og med mere diversitet, kan der bidrages med nye perspektiver til branchen. Med kun 12,19% kvinder i AI professioner, ligger Danmark tredjenederst i EU28, når det kommer til andelen af kvinder i AI professioner

- Det er teknologien, der skal levere løsningen på de store globale udfordringer. Og dermed får IT-kandidaterne en helt central rolle i at nytænke vores samfund – med behørig afsæt i etik, privacy og bæredygtighed.

SPØRGSMÅL?

Inden for den finansielle sektor ser vi et stadigt stigende behov for digitalisering. • Digitale kundedialog via vores netbank, hjemmesider og apps• Selvbetjeningsløsninger• STP-løsninger – sømløs integration på tværs af service leverandører – eksponering af API’er så vi kan indgå i de

finansielle øko-systemer

• Digitale betalingsløsninger – som MobilePay, Applepay mv.

• Digital infrastruktur (Nem-ID, e-nettet osv.)

• Cost-effektivisering – automatisering, robotter/AI, procesoptimering

• Compliance, data governance (her under Ethics, GDPR mv) og IT Security

Så vi er meget afhængige af, at der kommer kompetente IT folk ud af universitetet.

Overordnet vurderes AAU’s IT uddannelser som gode i forhold til vores behov. Vi har en del ansatte fra Aalborg Universitet, og vi har løbende en del studentermedhjælpere inde (10-15 stk) og flere bliver efterfølgende fastansat.

Aalborg Universitets IT uddannelser – 08-2020Søren Rex Jensen, Underdirektør i Nykredit med ansvaret for IT-drift og -infrastruktur.


Hvad forventer jeg af en kandidat fra AAU?• Uddannelserne skal give en god forståelse og erfaring med datalogi/IT. Man skal kende og anvende de aktuelle

teknologier og udviklingssprog. Man forventer at man som IT-kandidat forstår og kan anvende IT i bred forstand.• Men ud over de IT faglige kompetencer – men der er også andre områder, som jeg syntes er vigtige, at man kan

for at kunne begå sig.

Samarbejdsorienteret• Vi er organiseret i agile teams, som indgår i en leverancestrøm. Et team har behov for de nødvendige

kompetencer, der skal til for iterativt kunne levere de aftalte produkter, helst selvstændigt inden for teamet, så man minimere afhængighederne til andre.

• Vi har behov for tværgående kompetencer inden for EA, IT-Security, QA, metode/proces/platforme, data governance, ITIL/IT Operations, IT-Compliance og ikke mindst gode ledere.

• AAU’s tilgang til problembaseret læring (PBL) er yderst relevant. Bliver man introduceret til diverse frameworks(eks. SAFe), teknologier til at understøtte team samarbejde?

T-profiler• Man har en bred forståelse for disciplinerne omkring IT udvikling og drift, og man har nogle områder, hvor man

er specialist.

Innovativ og løsningsorienteret• Har selv været glad for de færdigheder man får som ingeniør ift. problemløsning og struktureret tilgang til

komplekse problemstillinger. Eks. IT-arkitekter med forståelse for løsningen i sin helhed er eftertragtede.

Omstillingsparathed• Når først man er færdig med studiet, så skal man i gang med karrieren – og den kan bevæge sig ud af mange spor

– så vigtig man er klar til løbende at lære og tilpasse sig nye udfordringer. • Tilknytningen til arbejdsmarkedet ændrer sig til mere freelance og dynamisk.

Internationalt – samarbejde på tværs af landegrænser – kommunikation og sprog.

Forretningsforståelse• Vi ser at forretning og IT i større grad smelter sammen• Vi vil meget gerne udvikle vores kundevente løsninger ud fra direkte feedback fra kunderne• Evt. etablere sektor/branche specifikke uddannelsesmoduler, men generel viden omkring forretningsdomæner,

begrebs-/datamodeller osv. er vigtigt.


Profiler som Nykredit DCI har rekrutteret de seneste 6 måneder:• Java udvikler• C++ og C# udvikler• Forretningsanalytikere - med forståelse for ITs bidrag til forretningen• Arkitekter indenfor bla.. Infrastruktur, Information/data, Cloud, Solution Scrum master• Test manager• Digital Designer• Data Governance

Aalborg Universitets IT uddannelser – 08-2020Søren Rex Jensen, Underdirektør i Nykredit med ansvaret for IT-drift og –infrastruktur

MELANIE SELMAN OG ELISABETH NIEMEYER LAURSEN, 7. SEMESTER SOFTWARE

DE STUDERENDES SYN PÅ KOMPETENCER FRA AAU

Vores kompetencer fra AAU

Problemorienteret og stærke evner inden for gruppearbejde- Gode egenskaber i erhvervslivet

Det er meget generel viden man får, da man berører emner fra mange forskellige områder indenfor software

- Passende til en bachelor, men mere dybdegående og erhvervsrelevante specialisering mangler

Flere muligheder for kandidatuddannelser

Datavidenskab- Åben for Software og Datalogi- Mere attraktiv som kandidat end som bachelor

Business Analytics- Mere mulighed for en forretningsorienteret IT kandidat

IT Ledelse- En mere teknisk og økonomisk orienteret udgave af den nuværende uddannelse på

SAMF

Forventede kompetencer til IT-kandidater om 10 år

Vi forventer at der behov for flere specialister senere hen- Derfor regner vi med der vil være behov for flere IT-kandidatuddannelser og mere

alternative specialiseringer på tværs af studier

Endnu mere fokus på studier/projekter som er relevante for erhvervslivet

Dagens status for instituttets uddannelser

23

Dagens status for instituttets uddannelser

1. Kort overblik v/ Uffe Kjærulff2. Datalogi og software v/ Ulrik Nyman & Thomas D. Nielsen3. BSc i informationsteknologi v/ John Persson4. Interaktionsdesign v/ Mikael Skov5. Datavidenskab v/ Bent Thomsen6. It-design og applikationsudvikling v/ Peter Axel Nielsen (stand-in)7. Drøftelse og spørgsmål

24

KOT-optag, it-bacheloruddannelser: TEKNAT vs. øvrige

25

Kilde: It-vest

0

500

1000

1500

2000

2500

3000

3500

4000

2013 2014 2015 2016 2017 2018 2019 2020

KOT-optag på it-uddannelser, uni-DK

TEKNAT Andre

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

2013 2014 2015 2016 2017 2018 2019 2020

KOT-optag på it-uddannelser, uni-DK

TEKNAT Andre

KOT-optag, it-bacheloruddannelser: TEKNAT

26

Kilde: It-vest

0

100

200

300

400

500

600

700

800

900

1000

2013 2014 2015 2016 2017 2018 2019 2020

KOT-optag på it-uddannelser, TEKNAT-DK

AAU AU DTU ITU KU SDU

0%

5%

10%

15%

20%

25%

30%

35%

40%

2013 2014 2015 2016 2017 2018 2019 2020

KOT-optag på it-uddannelser, TEKNAT-DK

AAU AU DTU ITU KU SDU

KOT-optag, it-bacheloruddannelser: TEKNAT-AAU

27

0%

10%

20%

30%

40%

50%

60%

70%

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

KOT-optag på it-uddannelser, AAU-TEKNAT

Datalogi Elektroniske Systemer

Medieteknologi Sundhedsteknologi

0

50

100

150

200

250

300

350

400

450

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

KOT-optag på it-uddannelser, AAU-TEKNAT

Datalogi Elektroniske Systemer

Medieteknologi Sundhedsteknologi

Datalogi & Software

(Bachelor)o D a t a l o g i : T h o m a s D y h r e N i e l s e n

o S o f t w a r e A a l b o r g : U l r i k N y m a n

o S o f t w a r e K ø b e n h a v n : P e t e r A x e l N i e l s e n

Introduktion tilDatalogi

Fokus for uddannelsen

Overblik over uddannelsen

Problem Baseret Læring og projektarbejde

Relation til andre uddannelser

Præsentation af studenterprojekter

Fokus på Datalogi uddannelsen

Computational thinking

Modellering

Abstraktioner

Algoritmer

Programmering

Dat 1Dat 2Dat 3Dat 4

Dat 7Dat 8Dat 9Dat 10

Dat 5Dat 6

3 årig bachelor

2 årig kandidat

Software

Working Software

Teknologi

Programmering

Team-work (Multi-projekter)

Computational thinking

Modellering

Abstraktioner

Algoritmer

Programmering

Datalogi

Datalogi 1

P0: Analyse og Problemformulering

P1: Et program der løser et problem

Imperativ programmering (IMPR)

Problembaseret læring (PV)

Datalogiens matematiske grundlag (DMG)

Datalogi 2

Et større program udviklet af en gruppe

Algoritmer og datastrukturer (AD)

Internet og webprogrammering (IWP)

Sandsynlighedteori og lineæralgebra (SLIAL)

Et program der løser et problem

Formål:At den studerende opnår viden om problemorienteretprojektarbejde og specifikt kan analysere og definere et problem inden for programmer samt beskriveproblemstillingen i en anvendelsessammenhæng med vægt på enten en teknisk eller social sammenhæng.

Eksempel på projekt

Presenter

Presentation Notes

SW 1 & 2

Datalogi 1

P0: Analyse og Problemformulering

P1: Et program der løser et problem

Imperativ programmering (IMPR)

Problembaseret læring (PV)

Datalogiens matematiske grundlag (DMG)

Datalogi 2


Algoritmer og datastrukturer (AD)

Internet og webprogrammering (IWP)

Sandsynlighedteori og lineæralgebra (SLIAL)


Formål:At den studerende lærer hvordan man kan benytte sig afprogrammering og dertil hørende modeldannelse iproblemløsning. Formålet er endvidere at opnå yderligereerfaring i problemorienteret projektarbejde i en gruppe inaturlig progression fra 1. semester


Datalogi 3

En velstruktureret applikation

Objektorienteret programmering (OOP)Systemudvikling (SU)Design og evaluering af brugergrænseflader (DEB)

Datalogi 4

Design, definition og implementation afprogrammeringssprog

Sprog og oversættere (SPO)Syntaks og semantik (SS)Computerarkitektur og operativsystemer (CAOS)


Kompetencer:• udvikle en kørende applikation som løser brugernes

problem• anvende objektorienteret programmering• beskrive og reflektere over den anvendte arbejdsform i

udviklingsprojektet


Datalogi 3


Objektorienteret programmering (OOP)Systemudvikling (SU)Design og evaluering af brugergrænseflader (DEB)

Datalogi 4

Design, definition og implementation af programmeringssprog

Sprog og oversættere (SPO)Syntaks og semantik (SS)Computerarkitektur og operativsystemer (CAOS)

Design, definition og implementation af programmerings-sprog

Formål: At den studerende lærer, hvordan man kan designe ogimplementere et programmeringssprog og hvordandenne proces kan understøttes af formelle definitioner afsprogets syntaks og semantik og teknikker og metoder tiloversætter- og/eller fortolke- konstruktion


Datalogi 5

Valgprojekt- Eksperimentel dataanalyse og modellering- Teoridrevet dataanalyse og modellering

Agil Software Engineering (ASE)Maskinintelligens (MI)Databasesystemer (DBS)

Datalogi 6

Bachelorprojekt: Teori, værktøj og applikation

Algoritmer og opfyldelighed (AO)Modelling og verifikation (MV)Beregnelighed og kompleksitet (CC)

Valgprojekt

Formål: Analyse og vurdering af anvendelsen af metoder og teknikker inden for databasesystemer og/eller maskinintelligens til løsning af et konkret problem. • [Eksperimentel] Eksperimentel analyse af teknikkernes

egenskaber samt en eksperimentel evaluering af de opnåede resultater

• [Teoridrevet] Analyser af teknikkernes formelle egenskaber og en vurdering af disse egenskaber i forhold til eventuelle krav til løsningen for det konkrete problem


Datalogi 5

Valgprojekt- Eksperimentel dataanalyse og modellering- Teoridrevet dataanalyse og modellering


Datalogi 6


Algoritmer og opfyldelighed (AO)Modelling og verifikation (MV)Beregnelighed og kompleksitet (CC)


Formål: Alle studerende skal ved slutningen afbacheloruddannelsen have fået indblik i et aspekt affagets forskningsområde. Temaet for semesteret er teori, værktøj og applikation hvilket betyder at der bør arbejdesmed både teori, denne teoris implementering i værktøjerog anvendelse af disse i projekterne på dette semester


Software 5

Multi-projekt- Kompleks front-end software- Kompleks back-end software


Software 6

Bachelorprojekt: Cyber physical systems

Algoritmer og beregnelighed (ALC)Modeller og værktøjer for Cyber Physical Systems (MV-CPS)Sikkerhed (SEC)

Multi-projektFormål: At den studerende opnår viden om og færdigheder i analyse, design, implementering og vurdering af komplekse softwaresystemer der indeholder brugergrænseflade i et større udviklingsmiljø.

Eksempel på projekt:

Software 5

Multi-projekt- Kompleks front-end software- Kompleks back-end software


Software 6


Algoritmer og beregnelighed (ALC)Modeller og værktøjer for Cyber Physical Systems (MV-CPS)Sikkerhed (SEC)


Formål: Universitetsuddannelser er forskningsbaserede uddannelser; alle studerende skal ved slutningen af bacheloruddannelsen have fået indblik i et aspekt af fagets forskningsområde. Temaet for semesteret er cyber physicalsystems, altså systemer der indeholder både indlejret software samt en fysisk komponent, der ofte indebærer en interaktion direkte med mennesker. Der er mulighed for at behandle Cyber Physical Systems ud fra forskellige forskningsperspektiver

Eksempel på projekt: (Fra tidligere Sw5)

Datalogi 7

Sikre, skalerbare og brugbare systemer

Programmeringsparadigmer (PP)Udvalgte emner: DB-forskning og praksis (sDRP)

Distribuerede systemer (DS)Udvalgte emner inden for (sHCI)

Datalogi 8

Pålidelige innovative systemer

...

...

...


Formål: Projektet skal skal indeholde overvejelser om alle treaspekter: Sikkerhed, skalerbarhed og brugbarhed. Men projektet forventes at gå specielt i dybden med et af disseemner


Datalogi 7


...

...

...

Datalogi 8


Software innovation (SI)Systemudvikling i praksis (SUP)Maskinlæring (ML)Udvalgte emner: modellering og verifikation


Formål: At de studerende arbejder med selv at danneavancerede datalogiske modeller af et problem oganvender disse til at udvikle innovative løsningerbalanceret i forhold til pålideligheden af løsningen


Software 7

Internet

Programmeringsparadigmer (PP)Web Intelligence (WI)Test og verifikation (TOV)Dataintensive systemer (DIS)Distribuerede systemer (DS)

Software 8

Mobilitet

Udvalgte emner inden for programmering(sP)......

InternetFormål:

Projektmodulets formål er at bidrage til, at de studerende opnår viden om og kan udvikle en internetapplikation eller – service. Internetapplikation eller – service skal forstås bredt og spænder fra de mere gængse internetapplikationer til autonome agenter og det såkaldte ”Internet of Things”, hvor internettet benyttes til at knytte fysiske objekter, såsom husholdningselektronik, sammen, hvor der ikke nødvendigvis er en traditionel browserbaseret brugergrænseflade.


Software 7

Internet

Programmeringsparadigmer (PP)......

Software 8

Mobilitet

Udvalgte emner inden for programmering(sP)Software innovation (SWI)Mobilt HCI (mHCI)Processering af web information (PWI)Mobile data og lokationsbestemte services (MDLS)

MobilitetFormål:

Projektmodulets formål er at bidrage til at de studerende kan opnå viden om og udvikle mobile applikationer og services. Mobile applikationer og services skal forstås bredt; de er specielt kendetegnet ved anvendelse af udstyr med begrænsede ressourcer i form af skærm, interaktion, processor og hukommelse. Det er samtidig applikationer, som med et begrænset strømforbrug kan udnytte trådløs kommunikation med andet udstyr og servere, og at brugerne og udstyret er mobile, dvs. kan flytte sig.


Datalogi 9

Forspecialisering i datalogi

Entreprenørskab (ENT)IT-RET (IR)Spec. kursus: HCI, DB, DS, SV, MI, PT, SU

Datalogi 10

Kandidatspeciale


Projektmodulet skal gennemføres inden for ét affagområderne: databaseteknologi, distribueredesystemer, human-computer interaction, semantik & verifikation, maskinintelligens, programmeringsteknologi, eller systemudvikling.


Vælg mellem Ent eller IR samt et specialiseringskursus

Datalogi 9


Entreprenørskab (ENT)IT-RET (IR)Spec. kursus: HCI, DB, DS, SV, MI, PP, SU

Datalogi 10

Kandidatspeciale

Kandidatspeciale

Formål:

At den studerende selvstændigt, systematisk og kritiskgennem anvendelse af videnskabelig teori og metodekan formulere, analysere og bidrage til løsning af et aktuelt forskningsproblem inden for datalogi


Software 10

Kandidat speciale

Forspecialisering

Projektmodulet skal gennemføres inden for ét af fagområderne: databaseteknologi, distribuerede systemer, human-computer interaction, semantik & verifikation, maskinintelligens, programmeringsteknologi, eller systemudvikling. Projektmodulet skal gennemføres i tilknytning til det tilhørende specialiseringskursus


Software 9



Vælg mellem Ent eller IR samt ét specialiseringskursus

BæredygtighedsmålSustainable Development Goals (SDG)

• Vi arbejder med at de studerende kan relatere deres projekter til bæredygtighedsmålene

• Bæredygtigheds målene kommer i første omgang i spil på 3. semester.

Software 10

Kandidat speciale

Kandidat speciale

At den studerende selvstændigt, systematisk og kritisk gennem anvendelse af videnskabelig teori og metode kan formulere, analysere og bidrage til løsning af et aktuelt forskningsproblem inden for datalogi


Software 9



Vælg mellem Ent eller IR samt ét specialiseringskursus

MEGA projekter

• Vi arbejder med at integrere MEGA projekter på alle studier

• Identificere de rigtige semestre og problemstillinger.

• Kontakter til virksomheder og Aalborg kommune

Bachelor in Information Technology (BaIT)Advisory board meeting - August 7th 2020

John Stouby Persson – [email protected]

BaIT: Interdisciplinary collaboration

Technology

Communication Business

BaIT

Department of Computer Science @ Technical Faculty of IT and Design

Department of Communication & Psychology@ Faculty of Hummanities

Department of Materials & Production@ Faculty of Engineering and Science

Department of Politics & Society@ Faculty of Social Sciences

BaIT: Structure

Technology (T)

Communication (C) Business (B)

BaIT

T: Evaluating IT systems Semester:

1. -

2. -

3. -

4. -

5. -

6. -

7. – 10.

T: Developing IT systems

T: Developing large IT systems

T: Mobile

C

B

C: Video B: Operations

Technology

Decision

Com-munication BusinessOR OR

Computer Science (IT)

Interactive Digital Media

Operations & Innovation Management

BaIT: Content (1.-3.)T: Evaluating IT systems

Semester:1. -

2. -

3. -

4. -

5. -

6. -



T: Mobile

C

B


Technology

Decision


Course 1 Course 2 Course 3

1 Problem-baseretlæring ividenskab, teknologi, ogsamfund

Grundlæggendeprogrammering

IT – systemer: Kulturelkontekst, kommunikation, brugbarhed ogbrugbarheds-evaluering

2 Datalogiensmatematiskegrundlag

Design ogevaluering afbruger-grænseflader

Innovation ogforandring

3 Database-udvikling

Objektorienteretprogrammering

Systemanalyseog -Design

BaIT: Content (5.-6.)T: Evaluating IT systems

Semester:1. -

2. -

3. -

4. -

5. -

6. -



T: Mobile

C

B


Technology

Decision


Project Course 1 Course 2 Course 3

5 Agil system-udviklingpå tværs af projekter

Agil Software Engineering

Computer-arkitekturogoperativ-systemer

Algoritmikog data-strukturer

6 Bachelor-projekt (Udvikling af en IoTløsning)

Program-mering afIoTapplikationer

Syntaks ogsemantik

Inter-netværk ogweb-program-mering

BaIT: Challenges (opportunities for problem based learning)

Transition to the new business track partner until Spring 2023(Department of Materials & Production Department of Politics & Society)

Implement a novel structure on the 4. semester (3 x 10 ECTS) for combining the technology, communication, and business disciplines starting Spring 2021

Align the 5. and 6. semester tracks with other bachelor educations starting Fall 2021:Technology with ‘Ba i Software’, Communication with ‘Ba i Kommunikation og Digitale medier’ Business with ‘Ba i Global business engineering’ ‘ Ba i Innovation og digitalisering’

Interaktionsdesignbachelor og kandidat

Mikael B. Skov

Kursus 1 Kursus 2 Kursus 3 Projekt

1 Interaction Design 1Usability & skitsering

Videnskabsteori og projektarbejde (PBL)

Grundlæggende programmering

Interaktionsdesign

Designforståelse

2Interaction Design 2

Visuelt design & prototyping

Modellering og rendering i 3D

Datalogiens matematiske grundlag Design alternativer

3 Interaction Design 3Brugercentreret design

Integreret produktudvikling:

Redesign

Imperativ programmering Design med brugere

4 Interaction Design 4 Kvantitativ metode

Realtidsinterfaces og interaktioner

Objekt-orienteret programmering Design og konstruktion

Valgfrie kurser

5 Interaction Design 5Kvalitativ metode

Mekatroniske produkter og systemer

Systemudvikling Computergrafik programmering Interaktivt fysisk design

6 Interaction Design 6User Experience

Integreretproduktudvikling: Designprocesser

Software engineering Databaseudvikling Integreret interaktionsdesign

KonstruktionDesignHuman-Computer Interaction

iDA:IT-Design and Application Development

Peter Axel Nielsen, Human-Centred Computing GroupDepartment of Computer Science, AAU

Presenter

Presentation Notes

Aalborg, Aarhus, SDU: Syddansk Universitet, Aalborg Universitet og Aarhus Universitet.

iDA: What is it?

A MSc education for people with no IT background,

Part of IT-Vest, 30+ students per year. It was designed to help students learn: how to program, how to design, how to evaluate, within the context of complex IT systems

Presenter

Presentation Notes

biology, art, physics, sociology, communication, media Aalborg, Aarhus, SDU: Syddansk Universitet, Aalborg Universitet og Aarhus Universitet.

Student profile

Presenter

Presentation Notes

biology, art, physics, sociology, communication, media Aalborg, Aarhus, SDU: Syddansk Universitet, Aalborg Universitet og Aarhus Universitet.

Main challenges

Students needed more hands-on experience on solving problems using computers

They needed more hands-on experience in programming

They needed more knowledge on understanding complex IT systems

Challenges were identified through semester evaluations, interviews, data from IT-Vest, data about students’ employability

Presenter

Presentation Notes

In fact people with non-IT background they are given a priority. The identity part is due to the fact that they have been scattered thougout the building. This will change next time the education runs, by creating a space for them (our proposal, room 0.1.12, used approx. 45 hours for teaching within a year)

Responding to the challenges: re-design principles

Introduce Computational Thinking Students will learn to solve problems using computers without the need for a

mathematical/computer science background. More Programming

Students will learn to program in a variety of programming languages depending on the problem at hand.

More Systems Thinking Students will learn more in understanding complex IT systems (design, evaluation,

impact, value creation). Utilize existing knowledge

Students will combine methods, tools and techniques from their existing Bachelor with new ones to solve complex IT problems.

More contact with the real world Students will participate in the Mega Projects initiative and will have closer

collaboration with companies in their semester projects.

Presenter

Presentation Notes

The new iDA curriculum (1)

P0+Computational Thinking

7th Semester: Computing

P7: Development of Software

Information and Organization

Introduction to Programming

8th Semester: System

P8*: Application Development

Systems Development (OOAD)

Design and Evaluation of UIs (DEB)

Basic Object-Oriented Progr. (GOOP)

* In P8 students will participate in Mega Projects

Presenter

Presentation Notes

Red=New P0 = NetLogo + a problem from their bachelors Programming: Flipped New course on programming, especially designed for people with no background in IT The biggest course on Harvard campus, Voted as the best course for non-technical people Offered as a MOOC on edx 800 students, 102 staff (?), 2200 hackathon participants, about 10.000 online participants, 350K subscribers on their YouTube channel

The new iDA curriculum (2)

9th Semester: Intervention

P9*: Develop. of Software Applic.

Database Development (DBU)

Entrepreneurship (ENT)

Agile Software Engineering (ASE)

10th Semester: Thesis

Thesis + Specialization

* In P9 students are expected to work closely with a company on a real-world problem

Presenter

Presentation Notes

Note that the specialization course has been moved. This way we have more space for courses. With the old study regulation students did not have the maturity either to program or to do research simply because they had courses onlt for two semesters

Plans for the future

Continuous evaluation of the new curriculum Continuous collaboration with IT-Vest Continuous adjustments to the allocated physical

space

Presenter

Presentation Notes

In fact people with non-IT background they are given a priority. The identity part is due to the fact that they have been scattered thougout the building. This will change next time the education runs, by creating a space for them (our proposal, room 0.1.12, used approx. 45 hours for teaching within a year)

”ARRANGEMENTETS NAVN” PÅ AAU

Datavidenskab

AftagerpanelMøde

7.8.2020

Bent ThomsenUddannelseskoordinator

HVORFOR DATAVIDENSKAB? HVOR FINDES DET?

” Data er ikke længere blot et analytisk instrument, men i

stigende grad selve grundstoffet i virksomhedens værdiskabelse på

linje med teknologi, talenter og patenter”

Kilde: Data - virksomhedens nye grundstof af Mikkel Holm Sørensen og Simon Bentholm

Conclusions from 2015 Research Evaluation:

• Furthermore, society needs people that know how to handle data, so it is important to educate students in Data Science.

• The recommendation is to start a Data Science programme as soon as possible.

• We set up the DV-udv.: (Panagiotis Karras,) Manfred Jaeger, Christian Thomsen, Bent Thomsen (+ Lone Leth Thomsen, sn-formand), Mikkel Meyer Andersen, Torben Tvedebrink (+ Kristian G. Olesen)

2017 anbefalinger fra aftagerpanel: ● ”Der er behov for en teknisk tung Datavidenskabsuddannelse”

● "Virksomhederne lægger generelt meget vægt på en god grundfaglighed. Med grundfaglighed forstås kompetencer inden for matematik, datalogi og i nogle tilfælde fysik. Kompetencerne opleves som grundlæggende for medarbejdere inden for datavidenskab.”

● "at statistik er den mest anvendte kompetence i dag for medarbejdere, der arbejder med analyse og håndtering af store/komplekse datamængder, efterfulgt af behandling og analyse af komplekse datakilder, der også vurderes at være øget behov for om tre år."

● "Evnen til [at] udvikle nye løsninger samt programmering, at bruge moderne software og viden om sikkerhed og etik er kompetencer, der efterspørges af over halvdelen af virksomhederne både i dag og i 2020."

● "Fælles for alle de interviewede virksomheder er endvidere, at formidling er centralt. Arbejdet med store og komplekse data sker på områder, hvor mange medarbejdere ikke har kompetencer inden for datavidenskab, hvilket gør formidlingen særlig vigtig.”

74

Programmering til Dataanalyse

Fra data til videnskab

Interaktion med og visualisering af

struktureret data

Web Analytics

Statistisk dataanalyseEller

Dataanalyse via maskinlæring

Bachelorprojekt: Dataanalyse inden for et

anvendelsesområde

Indledende Programmering for

Datavidenskab

Problembaseret Læring i Videnskab, Teknologi og

Samfund (PBL)Calculus

Kursus Projekt)

1.

Sem

este

r2.

Se

mes

ter

3.

Sem

este

r4.

Se

mes

ter

5.

Sem

este

r6.

Se

mes

ter

DATAVIDENSKAB – KURSER OG PROJEKTER (1. hold startede 1.9.19)

Sandsynlighedsregning

Datavisualisering

Anvendt Statistik

Maskinintelligens

Objektorienteret Programmering

Big Data-systemer

Data Mining

Algoritmer og Datastrukturer

Datasikkerhed og privatlivsbeskyttelse

IT-ret

Lineær Algebra

Databasesystemer

Webdatavidenskab

Statistisk Inferens for Lineære Modeller

Domæneintroduktion

Presenter

Presentation Notes

Analyse af datasæt - Gradvis mere komplekse

PROJEKTER PÅ DATAVIDENSKAB

1. semester• Programmering til dataanalyse

■ Mere end bare regneark (P0)■ Lav jeres eget program til dataanalyse

2. semester• Indsamling og analyse af data

■ Fx spørgeskemaer eller genererede data■ Algoritmer til simulering af datagenerering

eller statistik analyse af indsamlet data3. semester

• Visualisering af data■ Databasesystemer og datavisualisering■ Struktureret data i traditionelle

databasesystemer skal visualiseres

● E19:

○ Boligprisdatabasen

○ database med vinanmeldelser.

○ Værdiansættelse af fodboldspillere vha. Big Data

○ Ejendomsvurdering ved brug af data for salgspriser● F20

○ Efterprøvning af statistiske metoder ved hjælp af simulation

○ Fra Data til Videnskab: Statistisk inferens ved hjælp af simuleringer

● E20

○ Visualisering af data fra pumper. Vandstand i pumpens brønd samt pumpens energiforbrug ses for hvert 5. sek. Desuden vejrdata.

MSc, starts September 2022DS7 (pick 3 courses) DS8 (pick 3 courses) DS9 (pick 2 courses) DS10

Adv. Web Data Science Advanced (Statistical) ML Infrastructure for Big Data Systems

MSc Thesis

Network & Production Data Adv. Types of Data Adv. Dist. Systems

Process Mining Scientific Computing & Sensor Modeling(Electr)

Topics in Stat. II (Mat)

Topics in Statistics I (Mat) Image Processing and Comp. Vision (Electr)

Entrepreneurship

Adv. Algorithms

Discovering Knowledgefrom Data

Data-Intensive Cyber-Physical Systems

Pre-specialization -

76

Project

Presenter

Presentation Notes

Optagelse på kandidatuddannelsen i datavidenskab forudsætter en af følgende bacheloruddannelser: Bachelor i datavidenskab fra Aalborg Universitet (retskrav) Bacheloruddannelse i data science (det tekniske spor) fra IT Universitetet. Uddannelsen udbydes på Dansk Censorkorpset i datalogi suppleret med censorer fra censorkorpset i matematik. Uddannelsen udbydes på Aalborg Universitets campus i Aalborg

ADGANGSKRAV

GYMNASIAL UDDANNELSE

• DANSK A• ENGELSK B• MATEMATIK A, minimum karakter 4

ANTAL PLADSER

• 50

Antal studerende:E19: 12E20: 15

Instituttets uddannelsesportefølje anno 2030

78

Intro til portefølje tænkningv/Marie Louise Blauenfeldt, Mobilize Strategy Consulting

Porteføljetænkning kan øge transparens og tydelighed ifm.:

• Vurdering af samlinger af ideer, aktiviteter og projekter.

• Prioritering af hvilken værdi man ønsker at skabe og hvilke vurderingskriterier, der er de mest relevante i den kontekst.

• Håndtering af vanskelige beslutninger og dilemmaer (modsatrettede legtime hensyn)

Eksempel: risiko og poteniale

Potentiale

Risko

P5

P3

P4

P1

P2

Ressourcetræk

Eksempel: Fremgang og potentiale

Potentiale

Fremgang

P5

P3

P4

P1

P2

Tilbageværenderessourcetræk

Fase 1 Fase 2 Fase 3 Fase 4

Hvilke kriterier?• Fremtidens arbejdsmarked (efterspurgte kompetencer)• Udvikling af erhvervspartnerskaber/samarbejder om uddannelse• Samspil mellem forskning og uddannelse• Synergi og kombinationer mellem fag • Integration af soft skills (fx ift. tværfaglig samarbejde, projektledelse, SDG, samspilskult• Internationalisering• Diversitet • Kvantitet - fokus på volumen, gennemførelse, frafald eller andre kvantitetsparametre

• Kvalitet – fokus på fx. talentudvikling, akademisk niveau eller andre kvalitetsparametre

• ..• ..

hvilke kriterier?

Instituttets fremtidige uddannelsesportefølje anno 2030– jeres bud på balance og distribution af uddannelser og fagkombinatio

84

Lav potentiel værdi ift. ______________

Høj potentiel værdi ift.______________

Lav sandsynlighed for succes

Høj sandsynlighed for succes

‘Hvide elefanter’ ‘Østers’

‘Rugbrød’ ‘Perler’

Uddannelser på Institut for Datalogi

85

Datalogi

DAT1-6

Datalogi

DAT7-10

Bachelor

Kandidat

Software

SW1-6

Software

SW1-6

København

Data-videnskab

DV1-6

Software

SW7-10

Software

SW7-10København

Data-videnskab

DV7-10

2020

2023 2022cand.scient. cand.polyt. cand.polyt. cand.scient.

Interaktionsdesign

IxD1-6

Interaktionsdesign

IxD7-10

cand.scient.

Computer Science (IT)

CS-IT7-10

Informationsteknologi

BAIT1-6

Ande

nte

knis

kba

chel

or

IT-design og applikations

udvikling

iDA7-10

Ikke

IT-b

ache

lor

cand.scient. cand.it.2020

cand.polyt.

Cyber Security

CySe7-10København

86

Gruppe 1Lars YdeGitte Klitgaard Kim HoulbergPeter Axel NielsenMikael B. Skov

Elisabeth N. LaursenDiana P. Frank

Gruppe 2Natasha F. Saxberg (online)

Søren Rex Jensen (online)

Jesper Kjeldskov

Ulrik Nyman

Bent Thomsen

Melanie Selman

Gruppe 3Henrik WeideJanne J. JensenUffe KjærulffJohn S. PerssonLone L. ThomsenAnders H. Hansen

Navneændring: Datavidenskab og kunstig intelligens

87

Ansøgning om ændring af uddannelsens titelfra Datavidenskab til Datavidenskab og Kunstig Intelligens

• opnå højere grad af overensstemmelse mellem uddannelsens faglige indhold og dens navn og titel

• DV-fag: 70 ECTS-point (39%)• DV-støttefag: 45 ECTS-point (25%)• Kunstig intelligens: 45 ECTS-point (25%)• Øvrige støttefag: 20 ECTS-point (11%)

• opnå højere grad af overensstemmelse med navn og titel for tilsvarende uddannelser

• bacheloruddannelsen i datavidenskab på Aarhus Universitet• bacheloruddannelsen i data science på IT-universitetet• bacheloruddannelsen i kunstig Intelligens og data på Danmarks Tekniske

Universitet• bacheloruddannelsen i machine learning og datavidenskab på Københavns

Universitet• kunne kommunikere mere præcist om uddannelsen overfor potentielle studerende,

herunder at præsentere uddannelsens fokus på problemløsning ved hjælp af kunstig intelligens.

• det er væsentligt, at uddannelsens navn stemmer godt overens med uddannelsens faglige indhold

• uddannelsesnavnet spiller erfaringsmæssigt en vigtig rolle i de unges forståelse af en uddannelses sigte

• uddannelsesnavnet bør matche navnene på tilsvarende uddannelser

Afslutning og tak til deltagerne

89

Aftagerpanelmøde 2020...projektledelse (40,1%) (it -barometer 2020). - vi vil i 2030 mangle 19.000...

Documents

Transcript of Aftagerpanelmøde 2020...projektledelse (40,1%) (it -barometer 2020). - vi vil i 2030 mangle 19.000...