Ingenieurs word voorberei om dinamiese data in chemiese en mineraalverwerking krities te ontleed en effektief te benut.

Hierdie driejaar- deeltydse program is ideaal vir gegradueerdes en werkende ingenieurs wat hul loopbane in data-analise binne die verwerkingsbedryf wil bevorder. Dit rus jou toe om prosesdata te ontleed en dit te gebruik om beter begrip en besluitneming in industriële prosesse te ondersteun, deur ’n grondige begrip van dinamiese prosesse, en die masjienleermetodes wat gebruik word om dit te ontleed, te ontwikkel.

Die hibriede aanlyn onderrigmodel is ideaal vir deeltydse studente wêreldwyd. Of jy nou in die chemiese, mineraal-, papier- en pulp-, voedsel- en drank-, farmaseutiese of enige ander verwerkingsbedryf werk, is hierdie program ontwerp om ’n leergemeenskap te skep wat jou ondersteun in die toepassing van jou nuutverworwe 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 grootskaalse, geïntegreerde industriële prosesse kan toepas. Die kursus fokus op die verwerkingsbedryf en dek onderwerpe soos aanlegwye dinamika, asook gevorderde prosesmonitering en -beheer. Deur op die grondbeginsels van masjienleer te fokus, word ingenieurs aangemoedig om die metodes wat hulle gebruik te verstaan eerder as om op modelle te vertrou waarvan die werking nie deursigtig is nie.

Nagraadse studente registreer vir 180 krediete oor die duur van die program, wat bestaan uit agt gedoseerde modules en een navorsingsprojekmodule. Elke gedoseerde module dra 15 krediete by, wat ooreenstem met 150 nominale ure se werk. Alle modules word in ’n hibriede, sinchroniese formaat aangebied en kan óf in persoon óf aanlyn bygewoon word, maar aktiewe intydse deelname is verpligtend. ’n Kort oorsig van die individuele modules word in die module-oorsigafdeling verskaf. Die 60-krediet navorsingsprojek (d.i. 600 nominale ure se werk) vorm die finale stap tot die verwerwing van die graad. Hierdie projek bied die geleentheid om aan ’n komplekse, relevante probleem in die veld van prosesdata-analise te werk, met individuele begeleiding deur kundiges in die veld.

Die hibriede program beklemtoon sinchroniese interaksie, terwyl dit terselfdertyd volle afstandsleer ondersteun, en word oor ’n tydperk van drie jaar voltooi om deeltydse studie moontlik te maak. Deeltydse studente moet ongeveer 600 ure per jaar aan die program bestee, insluitend minstens 15 volle dae per jaar vir aktiewe deelname aan interaktiewe lesings en tutoriale.

’n Tipiese module bestaan uit twee weke se voorafleeswerk, gevolg deur ’n blokweek wat óf aanlyn óf op kampus bygewoon kan word. Die finale fase van elke module is ’n ses weke lange post-blokperiode waarin studente opdragte voltooi, beide individueel en in groepverband. Die meeste assesserings neem die vorm van opdragte aan en vereis nie kampusbywoning nie.

Akademiese aktiwiteite gedurende die vooraflees-blokweke verskil tussen modules, en studente moet vooraf die betrokke module-raamwerk raadpleeg. Hierdie aktiwiteite sluit tipies leeswerk, aanlyn vasvrae of kort assesserings in. Hierdie sessies is asinchronies, wat studente in staat stel om teen hul eie tempo met die inhoud te werk. Dieselfde geld vir die post-blokweke, wat gewoonlik meer omvattende assesserings insluit.

Die lesingblokweek bied studente die geleentheid om krities met dosente en medestudente te skakel oor kernkonsepte en toegepaste probleme. Bywoning van die blokweek hoef nie in persoon op die Stellenbosch-kampus te wees nie; dit word in ’n hibriede formaat aangebied wat beide kampus- en afstandstudente akkommodeer. Die blokweek is egter sinchronies, wat intydse aktiewe deelname vereis, hetsy op kampus of aanlyn. Van studente word verwag om die volle blokweek gedurende gewone werksure by te woon, en deeltydse studente sal waarskynlik studieverlof moet neem om dit te kan doen.

Hierdie NKR-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 dra 15 krediete, waar een krediet gelyk is aan 10 nominale leerure. “Nominale leerure” verwys na die geskatte tyd wat die gemiddelde student nodig het om die beoogde leeruitkomste van ’n module of program te bereik. Elke gedoseerde module verteenwoordig dus 150 nominale ure se werk. Die navorsingsprojek in die derde jaar is ’n 60-kredietmodule, wat ooreenstem met 600 nominale ure.

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

Die waarde van hierdie module

Datawetenskap behels die toepassing van berekenings-, statistiese en masjienleertegnieke om waardevolle insigte uit werklike probleme te verkry. Hierdie module fokus op die lewensiklus van ’n datawetenskapprojek en bied ’n grondige begrip van die vyf kernstappe van die datawetenskapproses: data-insameling, dataskoonmaak en -verwerking, verkennende data-analise, modellering en interpretasie. Hierdie stappe vorm die grondslag van alle datawetenskaplike ondersoeke en toepassings.

Module-uitkomste

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

Die waarde van hierdie module

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

Module-uitkomste

Jy sal praktiese ervaring opdoen in die implementering van ’n wye verskeidenheid masjienleertegnieke. Nie net sal jy die teoretiese grondslag van verskeie masjienleertegnieke leer nie, maar jy sal ook ’n grondige begrip ontwikkel van hul vereistes, induktiewe vooroordeel, asook hul voordele en nadele. Daarbenewens sal jy die praktiese vaardighede verwerf om hierdie tegnieke op werklike probleme toe te pas.

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

Die waarde van hierdie module

Prosesingenieurs moet die uitwerking van aanlegdinamika en beheer verstaan om enige vorm van intervensie suksesvol te kan implementeer. Hierdie module bied ’n oorsig van aanlegwye beheer en gevorderde prosesbeheer, met die fokus op oorsaak-en-gevolg-verhoudings in stelsels met verskeie eenheidsoperasies, die invloed van prosesintegrasie op dinamika, en gevorderde beheerstrategieë wat spesifiek op geïntegreerde stelsels van toepassing is. Hierdie kennis ondersteun die interpretasie van resultate uit prosesdata-analise.

Module-uitkomste

Jy sal toegerus wees om krities met die spesialiseringsveld van prosesbeheer te werk. Dit sluit die evaluering van beheerstrategieë, die interpretasie van algemene voorstellings van stelseldinamika, en ’n begrip van die gevorderde hiërargie van prosesbeheer in. Belangrik is dat jy die vermoë sal ontwikkel om aanlegwye beheerskemas krities te beoordeel, met inagneming van die komplekse stelseldinamika wat uit die hoë interkonnektiwiteit van eenheidsoperasies voortspruit.

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

Die waarde van hierdie module

Die volhoubaarheid van enige oplossing of intervensie (insluitend data-gedrewe oplossings) hang af van die mate waarin dit in bestaande besigheidsprosesse geïntegreer word. Die doel van hierdie module is om beginsels van algemene bestuur binne die konteks van tegniese dissiplines te behandel. Die kursus dek temas soos die besigheidsomgewing en strategiese bestuur op ondernemingsvlak, met 'n fokus op die rol van innovasie en tegnologie in mededingendheid, sowel op stelselvlak as vanuit internasionale en nasionale perspektiewe.

Module-uitkomste

Jy sal fokus op instrumente en tegnieke vir tegnologie- en innovasiebestuur, met ’n verkenning van die verband tussen tegnologiebestuur en besigheidsbestuur vanuit ’n vermoënsbenadering. Die funksies van ingenieursbestuur, naamlik beplanning, organisering, leiding en beheer, word ook behandel, met spesifieke klem op menslikehulpbronbestuur.

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

Die waarde van hierdie module

Die ontleding van dinamiese tydreeksdata bring verskeie uitdagings mee, maar word goed ondersteun deur sowel klassieke beheerteorie as onlangse ontwikkelings in masjienleer. Hierdie module bied ’n praktiese begrip van beide tradisionele en kontemporêre benaderings tot die ontleding en benutting van data wat uit metings van dinamiese prosesse in die verwerkingsbedryf verkry word, insluitend stelselidentifikasie, datarekonsiliasie en toestandberaming.

Module-uitkomste

Jy sal ’n konseptuele begrip ontwikkel van die kompleksiteite, beperkings en geleenthede wat met tydreeksdata verband hou. Jy sal ervaring opdoen in stelselidentifikasie, toestandberaming en datarekonsiliasie, en navorsing verken op die kruispunt van masjienleer en prosesbeheer, met insig in die invloed van onlangse innovasies op tradisionele tegnieke, insluitend regularisering en kernmetodes. Dit sal jou toerus om prosesdatastelle krities te evalueer en toepaslike ontledingsmetodes vir spesifieke gebruiksgevalle te identifiseer.

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

Die waarde van hierdie module

Numeriese metodes vorm ’n kernkomponent van masjienleer, en praktisyns benodig ’n gepaste begrip van die gepaardgaande numeriese uitdagings om algemene slaggate te vermy. Hierdie uitdagings word binne die konteks van matriksberekeninge bespreek, wat nie net baie van die numeriese probleme wat gereeld voorkom illustreer nie, maar ook die grondbeginsels van lineêre algebra versterk, ’n noodsaaklike basis om die veld van masjienleer effektief te bemeester

Module-uitkomste

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

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

Die waarde van hierdie module

Byna alle masjienleermetodes berus op een of ander vorm van optimering, en die vermoë om ’n optimeringsprobleem te formuleer en op te los is noodsaaklik vir die effektiewe toepassing van masjienleertegnieke in data-analise. Hierdie module ondersoek algemene klasse optimeringsprobleme, asook die algoritmes wat nodig is om dit doeltreffend op te los.

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, asook die ontleding van resultate deur tegnieke soos sensitiwiteitsanalise. Belangriker nog, jy sal leer om ’n diepgaande konseptuele begrip van optimeringsmetodes toe te pas om praktiese masjienleerprobleme op te los.

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

Die waarde van hierdie module

Die kombinasie en toepassing van kennis en metodes uit verskeie domeine op werklike probleme bly ’n beduidende uitdaging. ’n Kritiese evaluering van ’n reeks gevallestudies uit industriële verwerkingsaanlegte bied insig in algemene beste praktyke en skep ’n geleentheid vir dosente en studente om ervarings te deel. Hierdie gevallestudies dien ook as ’n raamwerk om jou voor te berei vir die navorsingsprojek wat deel vorm van die chemiese ingenieursprogram.

Module-uitkomste

Jy sal in staat wees om die volledige proses van data-analise toe te pas, insluitend verkennende data-analise, die identifisering van geïntegreerde proseseenhede, die toepassing van gevorderde analitiese tegnieke uit verskeie gespesialiseerde dissiplines, en die samevoeging van resultate. Daarbenewens sal jy toegerus wees om toepaslike vlakke van intervensie te identifiseer en die vereistes vir die integrasie van data-gedrewe intervensies in besigheidsprosesse te verstaan, spesifiek binne die konteks van chemiese en/of mineraalverwerkingsaanlegte.

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

Die waarde van hierdie module

Jy sal ’n omvattende navorsingsondersoek uitvoer onder die direkte toesig van ’n ervare navorser of bedryfspraktisyn in die veld van prosesdata-analise. Hierdie module vorm die finale en bepalende komponent 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 op al jou voorafgaande leer moet steun om die proses suksesvol met ’n data-gedrewe benadering te ontleed en sodoende praktiese insigte te genereer.

Studente registreer vir 180 krediete oor die duur van die program, wat uit agt gedoseerde modules en een navorsingsprojekmodule bestaan. Elke gedoseerde module van 15 krediete behels twee weke se voorafleeswerk, ’n blokweek (wat aanlyn of op kampus bygewoon kan word), en ’n ses weke lange post-blokperiode vir opdragte. Die meeste assesserings bestaan uit opdragte en vereis nie kampusbywoning nie.

Verwys asseblief na die 2026-rooster hieronder.

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

Vir die Data-analise-fokusarea is die minimum keuringskriterium ’n BIng- of BSc(Ing)-graad (NKR-vlak 8) in ’n dissipline wat vooraf blootstelling aan beheerstelsels insluit, tipies chemiese, meganiese of elektriese/elektroniese ingenieurswese.

Die volgende dokumente moet by jou aansoek ingesluit word:

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

Dien ’n institusionele aansoek in. Ná indiening sal die Sentrale Toelatingskantoor die aansoek nagaan. Indien die ingediende dokumente onvolledig of verkeerd is, sal kandidate via die aansoekportaal in kennis gestel word en sal hul aansoekstatus na “onvolledig” ("incomplete") opgedateer word.

Ná die program se aansoeksperdatum word alle kwalifiserende aansoeke deur ’n departementele keuringskomitee oorweeg. Die komitee evalueer kandidate op grond van hul akademiese rekord en relevante industrie-ervaring. ’n Lys van aansoekers wat aan die keuringskriteria voldoen, word daarna vir goedkeuring aan ’n departementele bestuursvergadering voorgelê. Alle aansoekers sal voor die einde van die aansoekjaar van die uitslag in kennis gestel word.

Indien jy ’n vroeë besluit benodig weens befondsingsperdatums, moet jy asseblief jou aansoek so gou moontlik indien nadat aansoeke oopmaak, en ons direk kontak by [email protected] sodat ons jou versoek kan prioritiseer. Sluit asseblief jou volle naam en APP-nommer in alle korrespondensie met die departement in.

Suksesvolle kandidate sal ’n voorwaardelike aanbod via die US-aansoekportaal 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 einde Januarie wanneer registrasie open. Toegelate kandidate sal verdere kommunikasie met bykomende besonderhede ontvang.

Neem asseblief kennis dat internasionale studente internasionale studentegelde betaal, wat kan verskil na gelang van die kandidaat se primêre burgerskap. Hierdie bladsy bevat nuttige inligting oor internasionale studiegeld.

’n Persoonlike voorlopige kwotasie kan hier aangevra word.

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

Die Data-analise-fokusarea vereis ’n goeie begrip van wiskundige modellering, statistiek en programmering. Regdeur die program word Python as die primêre hulpmiddel vir datawetenskap en masjienleer gebruik.

Dit is nie altyd maklik om jou eie vlak van voorbereiding te beoordeel nie. Daarom beveel ons aan dat jy die boek Mathematics for Machine Learning deur Deisenroth, Faisal en Ong raadpleeg. Die gepaardgaande GitHub-blad bevat tutoriaalnotaboeke oor Lineêre Regressie, Hoofkomponentanalise en Gaussiese Mengselmodelle. Maak die Jupyter-notaboeke in Google Colab oop en verken die inhoud. Dit bied ’n goeie kombinasie van lineêre algebra, statistiek en programmering.

Ons verwag nie noodwendig dat jy die wiskunde en statistiek reeds moet verstaan voordat jy met die program begin nie. Die materiaal gee egter ’n goeie aanduiding van die tipe werk waarmee jy deur die loop van die program te doen gaan kry. Teen die einde van die eerste studiejaar sal daar van jou verwag word om hierdie tutoriale suksesvol te kan voltooi. Jy behoort ook die meeste van die kode in die Solutions-notaboeke te kan verstaan (kyk bv. na die Linear Regression Tutorial Solution notaboek), selfs al verstaan jy nog nie al die onderliggende statistiese konsepte nie.

As die inhoud van die boek en notaboeke vir jou interessant en stimulerend lyk, en jy reeds ’n redelike begrip het van wat die kode doen, is hierdie program waarskynlik ’n goeie pasmaat vir jou.

Indien jy belangstel, maar onseker is of jy voldoende voorbereid is, beveel ons aan dat jy vooraf ’n opknappingskursus voltooi. Die gratis beskikbare handboek Python Programming and Numerical Methods deur Kong, Siauw en Bayen is ’n uitstekende beginpunt. Indien jy die eerste twaalf hoofstukke suksesvol voltooi, sal jy goed voorbereid wees om met die studiemateriaal te werk.

’n Verdere uitstekende opsie is An Introduction to Statistical Learning deur James en mede-outeurs. Hierdie bekende inleidende handboek bevat toepassings in Python en bied die geleentheid om terselfdertyd Python en die grondbeginsels van statistiese leer aan te leer.

Indien jy ’n meer gestruktureerde opknappingskursus in programmering verkies, kan jy oorweeg om een van die volgende kursusse te voltooi voordat jy met die Datawetenskap-module begin:

• MITx: Introduction to Computer Science and Programming Using Python
• CS50’s Introduction to Computer Science
• Expressway to Data Science: Python Programming Specialization

Hierdie aanbevelings moenie ligtelik opgeneem word nie. ’n Werkende kennis van Python is ’n vereiste vir die eerste module waarvoor jy sal registreer.

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