Later stage System Science Programme

Det övergripande målet för systemvetenskapliga programmet vid Högskolan Dalarna är att studenten efter avslutad utbildning kan kartlägga och analysera behov hos människor och organisationer, för att kunna designa och utveckla IT-lösningar samt införa och testa sådana lösningar i olika verksamheter. Programmets innehåll utgår från faserna i livscykelmodellen för IT-systemutveckling, dvs analys, design, realisering, implementering, test och systemförvaltning. Varje fas behandlas med ökande djup under utbildningens gång. I samband med konventionell systemutveckling läggs betydande vikt vid utveckling av intelligenta system som realiseras med hjälp av artificiell intelligens och data science. Vidare behandlas mikrodataanalyskedjan som omfattar sekvensen datafångst, bearbetning, lagring, analys/modellering, visualisering och beslutsstöd. Programmet omfattar följande delområden i samverkan: 1) systemutveckling för att stödja aktuellt verksamhetsområde, 2) användning av metoder och verktyg för dataanalys och prediktion av stora datamängder. I delområdet systemutveckling för att stödja aktuellt verksamhetsområde behandlas hur IT-system analyseras, designas och konstrueras. Detta inleds i årskurs 1 med program- och webbutveckling samt databasdesign. I senare årskurser 2 och 3 fördjupas och utvidgas detta ytterligare med aktuell teknik inom mobila enheter och webbprogrammering samt principer för IT-arkitektur och designmönster. Fasen realisering/utveckling av IT-system avslutas med en projektkurs där studenterna har IT-företag som beställare. Studenterna jobbar både självständigt och i grupp för att analysera, planera, organisera, genomföra, redovisa och presentera denna systemutveckling. Studenten kartlägger och analyserar företag och andra organisationers verksamhet för att finna behov och brister som eventuellt kan lösas med verksamhetsstödjande IT-system. I delområde metoder och användning av verktyg för dataanalys samt prediktion av stora datamängder behandlas i årskurs 2 och 3 maskininlärningsmetoder, data science och andra tekniker inom artificiell intelligens (AI) samt statistisk modellering. I detta sammanhang studeras hur data samlas in från strukturerade respektive ostrukturerade datakällor t ex databaser, distribuerade enheter, sensorer, text, bilder, videosekvenser, ljud. Data extraheras, behandlas och analyseras sedan för att hitta mönster och därefter kunna utföra prediktioner för framtida beslut. Programmets upplägg ger behörighet till vidareutbildning på magister- och masternivå inom mikrodataanalys.