Hierdie driejaar-deeltydse program is ideaal vir gegradueerdes en werkende professionele ingenieurs wat hul loopbane deur data-analise wil bevorder, spesifiek in die verwerkingsbedryf. Verkry die vaardighede om prosesdata te benut vir bruikbare insigte deur 'n fundamentele begrip van dinamiese prosesse en die masjienleermetodes wat gebruik word om dit te analiseer, te ontwikkel.

Die hibriede aanlyn afleweringsmodus is ideaal vir deeltydse studente wêreldwyd. Of jy nou in chemikalieë, minerale, papier en pulp, voedsel en drank, farmaseutiese produkte of enige ander verwerkingsbedryf werk, hierdie program is ontwerp om jou te help om 'n leergemeenskap te bou wat jou ondersteun in die toepassing van jou nuut ontwikkelde vaardighede. Die onderrigtaal is Engels.

Hierdie program is ontwerp om ingenieurs toe te rus met die grondbeginsels van datawetenskap, spesifiek masjienleer, sodat hulle nuwe metodes in groot, geïntegreerde industriële prosesse kan toepas. Hierdie kursus fokus op die prosesbedryf en dek onderwerpe soos aanlegwye dinamika en gevorderde prosesmonitering en -beheer. Deur die grondbeginsels van masjienleer te beklemtoon, moedig ons ingenieurs aan om die metodes wat hulle gebruik te verstaan ​​eerder as om op swartboksoplossings staat te maak.

Nagraadse studente registreer vir 180 krediete oor die duur van die program, insluitend agt gedoseerde modules en een navorsingsprojekmodule. Elke gedoseerde module bestaan ​​uit 15 krediete, wat neerkom op 150 nominale werkure. Alle modules word aangebied in 'n hibriede, sinchrone modus, wat persoonlik of op afstand bygewoon kan word, maar aktiewe intydse deelname word vereis. 'n Kort oorsig van individuele modules word in die module-oorsigafdeling verskaf. Die 60-krediet navorsingsprojek (d.w.s. 600 nominale werkure) is die laaste stap in die rigting van die verwerwing van die graad. Die projek bied 'n geleentheid om aan 'n komplekse, relevante probleem op die gebied van prosesdata-analise te werk, ondersteun deur geïndividualiseerde toesig van kundiges in die veld. Die hibriede program beklemtoon sinchrone interaksies terwyl dit ten volle afstandsonderrig ondersteun en word oor 'n tydperk van drie jaar voltooi om deeltydse studies moontlik te maak. Deeltydse studente sal ongeveer 600 uur per jaar aan die program moet spandeer, insluitend ten minste 15 volle dae per jaar vir aktiewe deelname aan interaktiewe lesings en tutoriale. 'n Tipiese module bestaan ​​uit twee weke se voorleeswerk, gevolg deur 'n blokweek wat aanlyn of op kampus bygewoon kan word. 

Die laaste deel van elke module is 'n ses weke lange periode na die blok waar studente aan opdragte werk, beide gesamentlik en individueel. Die meeste assesserings is in die vorm van opdragte en vereis nie dat studente op kampus moet wees nie.

Akademiese aktiwiteite gedurende voor-lees blokweke wissel tussen modules, en studente moet vooraf die relevante moduleraamwerk raadpleeg. Hierdie aktiwiteite sluit tipies leeswerk, aanlyn vasvrae of mini-assesserings in. Hierdie sessies is asynchroon, wat studente toelaat om teen hul eie tempo met die inhoud te werk. Dieselfde benadering geld vir na-blok weke, wat gewoonlik meer omvattende assesserings insluit.

Die lesingblokweek bied studente die geleentheid om krities met dosente en eweknieë oor fundamentele konsepte en toegepaste probleme te skakel. Bywoning gedurende die blokweek is nie persoonlik op die Stellenbosch-kampus vereis nie; dit word in 'n hibriede modus aangebied, wat beide persoonlike en afstandstudente akkommodeer. Die blokweek is egter 'n sinchrone sessie, wat aktiewe deelname intyds vereis, hetsy op kampus of aanlyn. Daar word van studente verwag om die volle blokweek gedurende normale werksure by te woon, en deeltydse studente sal waarskynlik aansoek moet doen vir studieverlof om dit te doen.

Hierdie NQF vlak 9-program bestaan ​​uit vasgestelde modules, met 'n minimum aantal krediete wat elke jaar voltooi moet word. Studente registreer vir 'n totaal van 180 krediete oor drie jaar, insluitend agt gedoseerde modules en een navorsingsprojekmodule.

Elke gedoseerde module is 15 krediete werd, met een krediet wat 10 nosionele leerure verteenwoordig. "Nosionele leerure" is die beraamde tyd wat die gemiddelde student benodig om die gespesifiseerde uitkomste van die module of program te bereik. Elke gedoseerde module beloop dus 150 nosionele werkure. Die navorsingsprojek in die derde jaar is 'n module van 60 krediete, gelykstaande aan 600 nosionele ure.

Datawetenskap (Eng) (14190-874) (15 krediete) (Jaar 1, kwartaal 1)

Waarom hierdie module saak maak

Datawetenskap behels die toepassing van berekenings-, statistiese en masjienleertegnieke om insigte in werklike probleme te verkry. Hierdie module fokus op die datawetenskapprojeklewensiklus en bied 'n duidelike begrip van die vyf stappe in die datawetenskapproses: verkry, skrop/worstel, verken, modelleer en interpreteer. Hierdie stappe vorm die grondslag vir alle datawetenskapondersoeke.

Module-uitkomste

Jy sal 'n waardering kry vir die vereistes, kompleksiteite en gereedskap wat benodig word vir elke stap van die projeklewensiklus. Jy sal ook die proses verstaan ​​om 'n datapyplyn te konstrueer, van rou data tot kennis. Gevallestudies uit die ingenieursdomein sal gebruik word om elk van hierdie stappe te verken.

Toegepaste Masjienleer (14022-874) (15 krediete) (Jaar 1, kwartaal 2)

Waarom hierdie module saak maak

Oopbron-sagtewarebiblioteke het 'n groot verskeidenheid masjienleergereedskap geredelik beskikbaar gestel. 'n Fundamentele begrip van hierdie tegnieke is egter noodsaaklik vir die korrekte implementering en interpretasie van resultate. Hierdie module is daarop gemik om daardie begrip te ontwikkel, met die fokus op inligtingsgebaseerde leer, ooreenkomsgebaseerde leer, foutgebaseerde leer, kerngebaseerde leer, probabilistiese leer, ensemble-leer en inkrementele leer.

Module-uitkomste

Jy sal praktiese ervaring opdoen in die implementering van 'n wye reeks masjienleertegnieke. Jy sal nie net die teoretiese grondslae van verskeie masjienleertegnieke leer en 'n belangrike begrip van die vereistes, induktiewe vooroordeel, voordele en nadele verkry nie, maar jy sal ook die praktiese kennis opdoen wat nodig is om hierdie tegnieke op werklike probleme toe te pas.

Aanlegwye Beheer (10894-872) (15 krediete) (Jaar 1, kwartaal 3)

Waarom hierdie module saak maak

Prosesingenieurs moet die gevolge van aanlegdinamika en -beheer verstaan ​​om enige vorm van intervensie suksesvol te implementeer. Hierdie module bied 'n oorsig van aanlegwye beheer en gevorderde prosesbeheer, met die fokus op die begrip van oorsaak-en-gevolg-verhoudings in stelsels met veelvuldige eenheidsbedrywighede, die gevolge van prosesintegrasie op dinamika, en gevorderde beheerstrategieë spesifiek vir geïntegreerde stelsels. Hierdie kennis sal die interpretasie van prosesdata-analiseresultate ondersteun.

Module-uitkomste

Jy sal toegerus wees om krities betrokke te raak by die prosesbeheer-spesialiseringsveld. Dit sluit in die evaluering van beheerstrategieë, interpretasie van algemene voorstellings van stelseldinamika, en begrip van die gevorderde prosesbeheerhiërargie. Dit is belangrik dat jy die vermoë sal ontwikkel om aanlegwye beheerskemas te kritiseer, met inagneming van die komplekse stelseldinamika wat voortspruit uit die hoë interkonnektiwiteit van eenheidsbedrywighede.

Gevorderde Onderwerpe in Ingenieursbestuur (11748-873) (Jaar 1, kwartaal 4)

Waarom hierdie module saak maak

Die volhoubaarheid van enige oplossing of intervensie (insluitend datagedrewe oplossings) hang af van die integrasie daarvan in bestaande besigheidsprosesse. Die doel van hierdie module is om beginsels van algemene bestuur binne die konteks van tegniese dissiplines aan te bied. Die kursustemas sluit die besigheidsomgewing en strategiese bestuur op firmavlak in, en raak die rol van innovasie en tegnologie vir mededingendheid op beide stelselvlak en vanuit internasionale en nasionale perspektiewe aan.

Module-uitkomste

Jy sal fokus op gereedskap en tegnieke vir tegnologie- en innovasiebestuur, en die verband tussen tegnologiebestuur en besigheidsbestuur vanuit 'n vermoënsbenadering verken. Die funksies van ingenieursbestuur – naamlik beplanning, organisering, leiding en beheer – sal ook bespreek word, met 'n spesifieke fokus op menslike hulpbronbestuur.

Dinamiese Data-analise (10884-872) (15 krediete) (Jaar 2, kwartaal 1)

Waarom hierdie module saak maak

Die analise van dinamiese tydreeksdata bied 'n verskeidenheid uitdagings, maar word goed ondersteun deur klassieke beheerteorie sowel as nuwe ontwikkelings in masjienleer. Hierdie module bied 'n praktiese begrip van beide tradisionele en kontemporêre benaderings tot die analise en benutting van data wat geproduseer word deur metings van dinamiese prosesse spesifiek vir die verwerkingsbedrywe, insluitend stelselidentifikasie, dataversoening en toestandsberaming.

Module-uitkomste

Jy sal 'n konseptuele begrip ontwikkel van die kompleksiteite, beperkings en geleenthede wat met tydreeksdata geassosieer word. Jy sal ervaring opdoen in stelselidentifikasie, toestandsberaming en dataversoening, en navorsing verken by die kruispunt van masjienleer en prosesbeheer, en die impak van onlangse innovasies op tradisionele tegnieke verstaan, insluitend regularisering en kernmetodes. Dit sal jou toerus om prosesdatastelle krities te evalueer en toepaslike analisemetodes vir spesifieke gebruiksgevalle te identifiseer.

Numeriese Metodes (36323-876) (15 krediete) (Jaar 2, kwartaal 2)

Waarom hierdie module saak maak

Numeriese metodes is sentraal tot masjienleer, en praktisyns benodig 'n gepaste begrip van die gepaardgaande numeriese uitdagings om algemene slaggate te vermy. Hierdie uitdagings word bespreek binne die konteks van matriksberekeninge, wat nie net baie van die numeriese probleme wat gereeld teëgekom word, illustreer nie, maar ook die grondbeginsels van lineêre algebra ontwikkel wat noodsaaklik is vir die effektiewe navigasie van die veld van masjienleer.

Module-uitkomste

Jy sal die effektiewe oplossing van lineêre stelsels bestudeer, wat beide vierkantige en reghoekige matrikse (kleinste kwadrate) behels. Direkte sowel as iteratiewe metodes word oorweeg, met die klem op yl matrikse en matrikse met struktuur. Numeriese metodes vir die eiewaardeprobleem word ook oorweeg. Slaggate soos numeriese onstabiliteit en swak kondisionering word uitgewys. Teorie, algoritmiese aspekte en toepassings word in gelyke dele beklemtoon.

Optimering (Eng) (14020-874) (15 krediete) (Jaar 2, kwartaal 3)

Waarom hierdie module saak maak

Byna alle masjienleermetodes maak staat op een of ander vorm van optimalisering, en die vermoë om 'n optimeringsprobleem te bou en op te los, is noodsaaklik vir die effektiewe gebruik van masjienleertegnieke vir data-analise. Hierdie module sal algemene klasse optimeringsprobleme en die algoritmes wat nodig is om dit doeltreffend op te los, ondersoek.

Module-uitkomste

Jy sal ervaring opdoen in die identifisering, formulering en oplossing van belangrike klasse optimeringsprobleme, beide met die hand en met behulp van toepaslike sagteware, en resultate analiseer met behulp van tegnieke soos sensitiwiteitsanalise. Meer belangrik, jy sal leer om 'n diep konseptuele begrip van optimeringsmetodes toe te pas om praktiese masjienleerprobleme op te los.

Geïntegreerde Data-analise (10884-873) (15 krediete) (Jaar 3, kwartaal 1)

Waarom hierdie module saak maak

Die kombinering en toepassing van kennis en metodes uit verskeie domeine op werklike probleme bly 'n beduidende uitdaging. Kritiese evaluering van 'n seleksie van gevallestudies van industriële verwerkingsaanlegte sal algemene beste praktyke inlig en 'n geleentheid bied vir beide dosente en studente om ervarings te deel. Die gevallestudies sal ook dien as 'n raamwerk om jou voor te berei vir die navorsingsprojek wat vir die chemiese ingenieursprogram vereis word.

Module-uitkomste

Jy sal die volledige prosesdata-analise-werkvloei kan implementeer, insluitend verkennende data-analise, identifisering van geïntegreerde proseseenhede, toepassing van gevorderde analitiese tegnieke van verskeie gespesialiseerde dissiplines en sintese van resultate. Daarbenewens sal jy toegerus wees om toepaslike vlakke van intervensie te identifiseer en die vereistes vir die integrasie van datagedrewe intervensies binne besigheidsprosesse te verstaan, spesifiek binne die konteks van chemiese en/of mineraalverwerkingsaanlegte.

Chemiese Ingenieurswese Navorsingsprojek (10882-872) (60 krediete) (Jaar 3)

Waarom hierdie module saak maak

Jy sal 'n groot navorsingsondersoek uitvoer onder die direkte toesig van 'n ervare navorser of bedryfspraktisyn op die gebied van prosesdata-analise. Hierdie module dien as die afsluitsteen van die nagraadse program.

Module-uitkomste

Jy sal die vermoë demonstreer om 'n navorsingsprojek te identifiseer, te formuleer en uit te voer wat direk verband hou met die analise van prosesdata. Jy sal vereis word om op alle vorige leer te steun om die proses suksesvol te analiseer deur 'n datagedrewe benadering te gebruik om praktiese insigte te genereer.

Studente registreer vir 180 krediete oor die program, wat agt gedoseerde modules en een navorsingsprojekmodule insluit. Elke gedoseerde module van 15 krediete behels twee weke se voorleeswerk, 'n blokweek (aanlyn of op kampus bygewoon), en 'n ses weke lange periode na die blok vir opdragte. Die meeste assesserings is opdragte en vereis nie kampusbywoning nie.

Verwys asseblief na die 2025-rooster hieronder.

Alle aansoekers moet voldoen aan die minimum toelatingsvereistes soos uiteengesit in die toelatingsvereistes-afdeling (ook gespesifiseer in Afdeling 3.6 van die Ingenieurskalender, Deel II).

Vir die Data-analise-fokusarea is die minimum keuringskriterium 'n BEng- of BSc (Eng)-graad (NQF-vlak 8) in 'n dissipline wat vorige blootstelling aan beheerstelsels insluit, tipies chemiese, meganiese of elektriese/elektroniese ingenieurswese.

Die volgende dokumente moet by u aansoek ingesluit word:

• Volledige akademiese rekord(s),
• Graadsertifikaat(e),
• Omvattende curriculum vitae, en
• Motiveringsbrief: Aansoekers moet 'n eenbladsy-motiveringsbrief oplaai wat hul vorige leer en/of industriële ervaring uiteensit wat relevant is tot die program se minimum toelatingsvereistes, spesifiek blootstelling aan beheerstelsels. Relevante vorige leer kan voorgraadse opleiding in chemiese, meganiese of elektriese/elektroniese ingenieurswese, of verwante kortkursusse, insluit. Indien relevante vorige leer ontbreek, moet aansoekers 'n deeglike beskrywing van hul industriële ervaring verskaf.

Voltooi en dien 'n institusionele aansoek in. Na indiening sal die Sentrale Toelatingskantoor die aansoek hersien. Indien die ingediende dokumente verkeerd is, sal kandidate deur die aansoekerportaal in kennis gestel word, en hul aansoekstatus sal na "onvolledig" opgedateer word.

Na die program se aansoekdatum sal alle aansoekers wat aan die kriteria voldoen, 'n keuringsproses ondergaan wat deur 'n departementele komitee hersien word. Hierdie komitee evalueer aansoekers op grond van hul akademiese rekords en relevante bedryfservaring. Die lys van kandidate wat aan die keuringskriteria voldoen, sal vir goedkeuring by 'n departementele bestuursvergadering voorgelê word. Alle aansoekers sal voor die einde van die aansoekjaar van die uitslag in kennis gestel word.

Suksesvolle kandidate sal 'n voorwaardelike aanbod deur die SU-aansoekerportaal ontvang, wat hulle moet aanvaar. Daarna sal 'n finale aanbod uitgereik word, wat kandidate ook moet aanvaar.

Dit sal aan die begin van die nuwe akademiese jaar plaasvind, teen die einde van Januarie wanneer registrasie oopmaak. Toegelate kandidate sal kommunikasie met verdere besonderhede ontvang.

Let asseblief daarop dat internasionale studente internasionale studentegelde betaal, wat kan wissel na gelang van die kandidaat se primêre burgerskap. Hierdie bladsy bevat nuttige inligting oor internasionale studentegelde.

’n Gepersonaliseerde voorlopige kwotasie kan hier aangevra word.

Indien u verdere inligting of ondersteuning rakende klasgelde benodig, stuur asseblief ’n e-pos na [email protected] en ons sal so gou as moontlik reageer.

Die fokusarea vir Data-analise behels 'n aansienlike hoeveelheid wiskundige modellering, statistiek en kodering. Regdeur die program sal ons Python as die primêre omgewing gebruik waarbinne ons met datawetenskap en masjienleer werk.

Dit is dikwels moeilik om jou eie vlak van voorbereiding te bepaal. Ons stel voor dat jy deur die boek Wiskunde vir Masjienleer deur Deisenroth, Faisal en Ong blaai. Die geassosieerde GitHub-bladsy bevat tutoriaalnotaboeke oor Lineêre Regressie, Hoofkomponentanalise en Gaussiese Mengselmodelle. Maak die Jupyter-notaboeke in Google Colab oop deur op die toepaslike skakels te klik en deur hulle te blaai: hulle bevat 'n goeie mengsel van lineêre algebra, statistiek en kode. Ons verwag nie noodwendig dat jy die aangebiedde wiskunde en statistieke verstaan ​​voordat jy met die program begin nie, maar dit sal beslis die tipe werk wees waarmee jy sal werk, en ons sal beslis vereis dat jy hierdie tutoriale teen die einde van die eerste jaar kan voltooi. Jy behoort ook die meeste van die kode in die Oplossingsnotaboeke te kan verstaan ​​(sien bv. die Lineêre Regressie Tutoriaal Oplossingsnotaboek), indien nie noodwendig die statistieke nie.

As die wiskunde en statistiek wat in die boek en die notaboeke aangebied word, vir jou interessant en opwindend lyk, en jy het 'n idee van wat die kode verteenwoordig, dan is hierdie program vir jou.

As jy belangstel, maar bekommerd is dat jy nie behoorlik voorbereid is nie, beveel ons aan dat jy 'n kort opknappingskursus neem voordat jy begin. Ek persoonlik hou van die gratis beskikbare handboek Python Programming and Numerical Methods deur Kong, Siauw en Bayen. As jy die eerste twaalf hoofstukke van die boek kan voltooi, sal jy in 'n baie goeie posisie wees om met die leermateriaal te werk. Net so sluit die bekende inleidende handboek An Introduction to Statistical Learning deur James et al. toepassings in Python in. Dit is 'n goeie alternatief om Python en die basiese beginsels van statistiese leer gelyktydig te begin leer.

Indien jy 'n meer formele opknappingskursus oor kodering verkies, oorweeg dit om een ​​van die volgende kursusse te voltooi voordat jy in 2025 met die Datawetenskap-module begin:

• MITx: Inleiding tot Rekenaarwetenskap en Programmering met behulp van Python
• CS50 se Inleiding tot Rekenaarwetenskap
• Snelweg na Datawetenskap: Python-programmeringspesialisering

Hierdie aanbevelings moet nie ligtelik opgeneem word nie:
'n Werkende kennis van Python is nodig vir die eerste module waarvoor jy ingeskryf sal word.

Vir enige navrae of ondersteuning, stuur asseblief 'n e-pos na [email protected]