Nagraadse Diploma in Ingenieurswese (Fokus: Datawetenskap)
Die program bestaan uit agt 15-krediet modules en 'n kleiner Professionele Kommunikasie module.
Die modules sal aangebied word in blokke van ongeveer 9 weke. Die tipiese module bestaan uit 'n 2-week selfgepaste voorlees/vooropdrag periode wat gevolg word deur óf 'n lesingblokweek en 'n na-opdrag periode, wat ongeveer 6 weke duur, óf die voorlees periode word gevolg deur kleiner lesingblokke (2 dae, 2 dae, 1 dag) versprei oor 4 weke (sien rooster). Elke kleiner blok word gevolg deur 'n na-opdrag van ongeveer 2 weke.
Studente moet al vyf lesingsdae voltyds bywoon. Die lesingsdae vind aanlyn plaas. Benewens die aanlyn aanbieding, kan beperkte modules ook persoonlik aangebied word. Behalwe die lesingsdae/week sal geen verdere kontaktyd vereis word nie.
Modules wat deur ander departemente aangebied word, kan 'n ander struktuur/teenwoordigheidsvereiste hê.
Ses verpligte datawetenskap modules moet voltooi word, sowel as twee generiese gestruktureerde modules.
Die module-inhoud bou voort op vorige modules. Daarom moet die meeste modules in 'n spesifieke volgorde geneem word (sien medevereistes).
Verder sal studente outomaties geregistreer word vir die Professionele Kommunikasie 771-module van 1 krediet wat aanlyn voltooi moet word.
Om vir toelating vir die jaar 2026 oorweeg te word, moet u:
Let wel: Toelatingsvereistes vir die 2027-inname sal teen 1 April 2026 bevestig word.
- Beskik oor ten minste 'n goedgekeurde BTech-, BIng- of 'n BSc-graad van 'n Suid-Afrikaanse universiteit of universiteit van tegnologie; of
- Beskik oor ander akademiese graadkwalifikasies en toepaslike ervaring wat deur die Fakulteitsraad goedgekeur is. Die departementele voorsitter moet 'n aanbeveling rakende sodanige kwalifikasie en ervaring aan die Fakulteitsraad maak.
Studente moet die volgende 1ste-jaar vakke op universiteitsvlak geslaag het:
- Wiskunde, Toegepaste Wiskunde, of Statistiese Wiskunde; en
- Rekenaarprogrammering (bewys van enige geëvalueerde programmeringskwalifikasie gelykstaande aan eerstejaar tersiêre programmering sal ook oorweeg word).
Studente wat NIE aan die rekenaarprogrammeringsvereistes voldoen nie, kan steeds vir die program kwalifiseer deur een van die volgende kursusse te voltooi:
- MITx: Introduction to Computer Science and Programming Using Python: https://www.edx.org/learn/computer-science/massachusetts-institute-of-technology-introduction-to-computer-science-and-programming-using-python
- CS50’s Introduction to Computer Science: https://learning.edx.org/course/course-v1:HarvardX+CS50+X/home
- Expressway to Data Science: Python Programming Specialization: https://www.coursera.org/specializations/python-programming-data-science#courses
In hierdie geval moet die programmeringsertifikaat en die punte wat behaal is, saam met u akademiese geskiedenis op die aansoekportaal opgelaai word voordat u u aansoek indien.
Na indiening van die aansoek kan geen verdere dokumente by u aansoek gevoeg word nie.
Let wel dat die punte van u laaste akademiese graad teen 'n jaarlikse minimum vereiste geëvalueer sal word, aangesien dit 'n mededingende program is. Vir die 2026-inname moet die gemiddelde van u laaste akademiese jaar ten minste 65% wees.
Sien die aansoekproses hier.
Verwys ook na die nagraadse toelatingsmodel in Figuur 3.1, in Afdeling 3.2 in die Jaarboek vir Ingenieurswese, soos hieronder weergegee.
Gedurende elke module vind assesserings plaas tydens die voorleesperiode, die lesingblokweek en die na-blok opdragte om die toepassing van die teorie waaraan in die module blootgestel is, te toets. Hierdie punte sal gekombineer word om 'n finale modulepunt te gee. Sien ook assesseringsinligting vir kern datastudie-modules.
Die volgende ses datastudie-modules is almal verpligtend:
Vir studente wat die program voor 2025 begin het, is hierdie modules Programmering in R, Datastudies, Toegepaste Masjienleer, Optimering, Data-analise en Grootdata-tegnologieë.
Vir studente wat die program vanaf 2025 en daarna begin het, is die ses kernmodules Datastudies, Toegepaste Masjienleer, Optimering, Data-analise, Grootdata-tegnologieë en Toegepaste Diepleer.
| Programmering in R (Ing) 774 Dr Vermeulen (Dept Bedryfsingenieurswese) faseer uit in 2025 |
|---|
| R is 'n kragtige programmeringstaal vir data-analise en statistiese berekeninge. In hierdie module sal studente leer om doeltreffend in R te programmeer, met 'n spesifieke fokus op die ontwikkeling van algoritmiese oplossings vir data-analise-probleme. Die module begin met die basiese beginsels van R-programmering vir Datastudies en dek datatipes, data-objekte, beheerstrukture en toevoer-/afvoerbeheer. 'n Sterk fokus word geplaas op die gebruik van R vir data-ingenieurswese, en om rou data gereed te kry vir analise en voorspellende modellering. Programme sal ontwikkel word vir visuele analise, datatustervorming (clustering), en vir voorspellende modellering, insluitend lineêre regressie, besluitnemingsbome en ewekansige woude (random forests). |
| Datastudies (Ing) 774 Prof Gwetu (Dept Bedryfsingenieurswese) |
|---|
| Datastudies is die toepassing van rekenaar-, statistiese- en masjienleertegnieke om insig in werklike probleme te verkry. Die hooffokus van hierdie module is op die lewensiklus van 'n datastudie-projek, spesifiek om 'n duidelike begrip van die vyf stappe in die datastudie-proses te verkry, naamlik verkryging (obtain), skoonmaak (scrub/wrangling), verkenning (explore), modellering (model) en interpretasie (interpret). Elk van hierdie stappe sal bestudeer word met die hoofdoel om 'n begrip te verkry van die vereistes, kompleksiteite en gereedskap wat op elk van hierdie lewensiklusstappe toegepas moet word. Studente sal die proses van die konstruksie van 'n datapyplyn verstaan, vanaf rou data tot kennis. Gevallestudies uit die ingenieurswese-domein sal gebruik word om elk van hierdie stappe te verken. |
| Toegepaste Masjienleer 774 Prof Engelbrecht (Dept Bedryfsingenieurswese) |
|---|
| In hierdie module sal studente blootgestel word aan 'n wye reeks masjienleertegnieke en praktiese ervaring opdoen in die implementering daarvan. Studente sal nie net die teoretiese grondslag van verskeie masjienleertegnieke leer nie — waardeur 'n belangrike begrip van die vereistes, induktiewe vooroordeel (inductive bias), voordele en nadele verkry word — maar sal ook die praktiese kundigheid opdoen wat nodig is om hierdie tegnieke op werklike probleme toe te pas. Die fokus sal wees op inligtingsgebaseerde leer, ooreenstemmingsgebaseerde leer, foutgebaseerde leer, kerngebaseerde (kernel) leer, probabilistiese leer, ensemble-leer en inkrementele leer. |
| Optimering (Ing) 774 Prof Grobler, Dr Venter (Dept Bedryfsingenieurswese) |
|---|
Om die kuns te bemeester om optimeringsmodelle van die volgende tipes te bou en op te los (presies of benaderd): Lineêre programmeringsmodelle, toewysingsmodelle en heelgetal-programmeringsmodelle. Begrip van die verskillende klasse van optimeringsprobleme en die implementering van gevorderde optimeringsalgoritmes om werklike optimeringsprobleme op te los. 'n Student wat hierdie module suksesvol voltooi het, sal in staat wees om:
|
| Grootdata-tegnologieë (Ing) 774 Dr Du Toit (Dept Bedryfsingenieurswese) |
|---|
| Hierdie module fokus op die gereedskap en platforms vir grootdata-bestuur en -verwerking. Grootdata-bestuur verwys na die goeie bestuur, administrasie en organisasie van groot volumes data van verskillende tipes (beide gestruktureerd en ongestruktureerd). Doeltreffende platforms om grootdata te stoor en te bestuur sal oorweeg word, insluitend NoSQL, datapakhuisstelsels (data warehousing) en verspreide stelsels. Grootdata-verwerking fokus op die 3V-kenmerke van grootdata, naamlik volume, snelheid (velocity) en verskeidenheid (variety). Verskillende argitekture vir grootdata-verwerking sal bestudeer word, insluitend "map-reduce" en grafiese grootdata-modelle. Studente sal ervaring opdoen in grootdata-gereedskap en -platforms, insluitend Spark, Hadoop, R en datavirtualisering. Ander aspekte van grootdata, soos datastrome, datasmeltings (data fusion) en databronne, insluitend sosiale media en sensordata, sal bespreek word. |
| Data-analise (Ing) 774 Dr Vermeulen (Dept Bedryfsingenieurswese) |
|---|
| In hierdie module sal studente die data-analise-lewensiklus leer, en hoe om elke fase van hierdie lewensiklus toe te pas om ingenieurswese-data-analise-probleme op te los. Studente sal tegnieke vir verkennende data-analise leer, en hoe om masjienleerbenaderings toe te pas om kennis uit datastelle te ontgin om verskuilde patrone, assosiasies en korrelasies uit data te onttrek. Studente sal die praktiese kundigheid verkry wat nodig is om data-analise-tegnieke op gestruktureerde data toe te pas. Studente sal gevorderde benaderings tot data-analise leer, met 'n spesifieke fokus op visuele analise, beeldanalise, teksanalise en tydreeksanalise. Die student sal ervaring opdoen in die implementering van verskeie tegnieke om betekenis uit hierdie verskillende databrontipes te onttrek. Die gevorderde data-analise-tegnieke wat teëgekom word, sal op dataintensiewe ingenieursprobleme toegepas word. |
| Toegepaste Diepleer (Ing) 774 Mnr Burger (Dept Bedryfsingenieurswese) vanaf 2025 verpligtend |
|---|
| Diepleerstelsels word toenemend in die industrie toegepas, wat wissel van taalbegrip, spraak- en beeldherkenning, beplanning en outonome take. Deur hierdie module sal studente 'n teoretiese kennis van diepleer-algoritmes ontwikkel, praktiese ervaring opdoen in die implementering daarvan en praktiese kundigheid opbou om diepleer op 'n diverse reeks probleme en industrieë toe te pas. |
Die volgende twee generiese modules is verpligtend:
| Projekbestuur 713 Prof T Barnard (Dept Bedryfsingenieurswese) |
|---|
| Die module fokus op gevorderde onderwerpe in projekbestuur, en daar word verwag dat deelnemers óf 'n projekbestuurkursus bygewoon het óf ondervinding het in die bestuur van projekte. Die module bou voort op tradisionele projekskedulering deur kritiekeketting-bestuur (critical chain management) aan te spreek en kyk na die bestuur van projekrisiko's deur die identifikasie en assessering van risikopotensiaal en versagtende strategieë, insluitend hulpbron-/kostebestuur en gebeurlikheidsbeplanning. Die keuse van toepaslike spanne en strukture om kontrakbestuur te fasiliteer word bespreek, tesame met die uitvoering van projekleierskap deur behoorlike kommunikasiekanale. Die belangrikheid van verkryging (procurement), vanaf tenderprosedures tot by verskafferskeuse, sal uitgelig word. Die verskillende nuanses tussen kommersiële en navorsingsprojekte sal verduidelik word. |
| Bedryfsbestuur 744 Prof Grobbelaar, Prof Pistorius, Dr Smit (Dept Bedryfsingenieurswese) |
|---|
| Die doel van die 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 'n ondernemingsvlak in, en raak aan die rol van innovasie en tegnologie vir mededingendheid op 'n stelselvlak vanuit internasionale en nasionale perspektiewe. Die kursus sal 'n beduidende fokus op gereedskap en tegnieke vir tegnologie- en innovasiebestuur insluit, waar die skakel tussen tegnologiebestuur en besigheidsbestuur deur middel van 'n vermoënsbenadering (capabilities approach) ondersoek word. Hierdie vermoëns sluit verkryging, beskerming, ontginning, identifikasie en seleksie in. Ons skakel tradisionele benaderings tot tegnologiebestuur met wat dit beteken vir die konteks van die vierde industriële rewolusie, platform-ekonomieë en innovasieplatforms. |
| Die funksies van ingenieursbestuur, naamlik beplanning, organisering, leiding en beheer sal ook bespreek word. Dit sal 'n spesifieke fokus op menslikehulpbronbestuur insluit, beide wat betref die bestuur van projekte, mense en groepe asook aspekte van arbeidsverhoudinge en spesifiek die arbeidswetgewing en kontraktuele vereistes in Suid-Afrika. Ons kontekstualiseer die bogenoemde onder die tema van "leierskap", met 'n verkenning van verskillende leierskapstyle, kommunikasie en motivering. |
Die volgende modules het mede-vereistes. Dit is deurslaggewend dat die student die mede-vereistes van modules tydens registrasie in ag neem. Dit beteken dat die student reeds voorheen die mede-vereiste module moes slaag, of parallel daarvoor geregistreer moet wees in die gegewe jaar, ongeag die prestasie in die module.
Die 60-krediet navorsingswerkstuk is 'n uitsondering; hier moet die voorvereiste-modules geslaag wees.
| Modules | Mede-vereiste Modules (status Jan 2026) |
|---|---|
| Datastudies (Ing) 774 | Programmeringservaring op 1ste-jaar universiteitsvlak is 'n toelatingsvereiste. |
| Toegepaste Masjienleer 774 | Datastudies (Ing) 774 |
| Optimering (Ing) 774 | Datastudies (Ing) 774, Toegepaste Masjienleer 774 |
| Grootdata-tegnologieë (Ing) 774 | Datastudies (Ing) 774, Toegepaste Masjienleer 774 |
| Data-analise (Ing) 774 | Datastudies (Ing) 774, Toegepaste Masjienleer 774 |
| Toegepaste Diepleer (Ing) 774 | Datastudies (Ing) 774, Toegepaste Masjienleer 774 |
Vanaf Nagraadse Diploma (NGDip) na MIng (Navorsing)
As u u akademiese reis by die Departement Bedryfsingenieurswese wil voortsit, kan u met 'n sterk NGDip-graad aansoek doen vir die MIng (Bedryfsingenieurswese) navorsing.
Vir oorweging moet die gemiddelde finale punt van die 6 kernmodules van u NGDip-graad ten minste 65% wees.
U moet 'n potensiële Datastudie-studieleier hê.
Vind inligting oor die MIng (Bedryfsingenieurswese) navorsing hier.
Kontak: Melinda Rust @ [email protected]
Let wel: Dit is nie moontlik om die MIng (BI) gestruktureerde Datastudie-program by die Departement Bedryfsingenieurswese te volg as u met die NGDip (BI) gradueer nie, aangesien die programme tematies te nou belyn is.