Datavetenskap

Datavetenskap är ett brett ämne. Det sträcker sig ända från de teoretiska principer som ligger till grund för datorer till hur man skapar tillämpningar med hjälp av de allra senaste teknikerna.

Traditionellt har ämnet tre huvudområden: arkitektur (hur man designar datorer och får dem att fungera ihop med program), programvara (hur man instruerar datorer), samt teori (med anknytning främst till matematik).

Bland delområdena återfinns bland annat datorkommunikation, programspråk, operativsystem, databasteknik, system- och programkonstruktion, artificiell intelligens, nätverk, datasäkerhet, datorgrafik och numerisk analys.

Vad gör datavetare?

Eftersom datavetenskap är brett finns det ingen entydig definition av en datavetare. Generellt kan man säga att datavetare utreder, konstruerar, utvecklar och underhåller allt från mindre program till större datasystem. Det kan röra sig om fristående program, men även om programvara som är en del i datorer, apparater etc och som tillför dem egenskaper och funktionalitet. En datavetare kan även vara inriktad mer på själva maskinvaran, som IT-tekniker eller systemadministratör, eller arbeta med support, utbildning med mera.

Av naturliga skäl arbetar datavetare främst inom IT-företag av olika slag. Eftersom datorer används i alla yrken och branscher är emellertid datavetarna på grund av sin kompetens efterfrågade inom alla typer av företag, som anställda eller konsulter.

Utbildning

Program inom datavetenskap

Forskarutbildning inom datavetenskap

Forskarutbildning inom datavetenskap

Kompetensutveckling

Kompetensutveckling för yrkesverksamma

Kurser inom datavetenskap

Forskning i datavetenskap

Forskningen inom datavetenskap riktar in sig mot teknik för att bygga smartare mjukvarusystem. Aktiviteterna bedrivs i huvudsak inom fyra forskningsområden med flera beröringspunkter.

Cyber-fysikaliska system
Informations- och mjukvaruvisualisering
Självanpassande mjukvarusystem
Mjukvaruteknologier

Inom ämnet datavetenskap återfinns även Linnaeus University Centre for Data Intensive Sciences and Applications, DISA, som är Linnéuniversitetets spetsforskningsmiljö som arbetar med insamling, analys och nyttogörande av stora datamängder.

Mer om forskningen

Cyber-fysikaliska system

Forskningsgruppen för Cyber-fysikaliska system (CPS) studerar samverkan och återkoppling mellan de inbyggda mjukvarukomponenterna (cyber) och fysiska komponenterna, exempelvis mekaniska komponenter, energisystem, mänskliga aktiviteter och omgivande miljö vilka utgör det sammanhållna systemet. CPS-design tar hänsyn till flera faktorer som realtidsaspekter, energiförbrukning, tillförlitlighet, tillgänglighet och säkerhet. För att hantera denna komplexa verklighet krävs samverkan av experter från olika discipliner. Några av de konkreta utmaningarna finns inom modellering för analyser, simuleringar, transformationstekniker för modellbaserad utveckling, verifiering och realtidsanalyser.

Gruppen fokuserar på flera aspekter:

Modellbaserad design, syntes och verifikation av CPS
CPS-tillförlitlighet, säkerhet och integritet
Storskalig dataanalys för CPS
Hierarkisk modellering och optimering för CPS, samt
Applikationer av CPS i smarta energisystem och transportsystem

För att nå det huvudsakliga målet för forskningen, smartare system, studeras interaktionen mellan mjukvarusystemen som tillhandahåller "smartare" och de fysiska enheter som utgör "systemen".

Informations- och mjukvaruvisualisering

Informations- och mjukvaruvisualiseringsforskningen inom ISOVIS fokuserar på explorativ analys och visualisering av stora och komplexa informationsmängder, exempelvis från biovetenskap, humaniora eller mjukvaruutveckling. Vår vision är att attackera utmaningar kopplade till stora datamängder med en kombination av individcentrerad dataanalys och interaktiv visualisering för förbättrat beslutsstöd.

En interaktiv visualisering och visuell analys ger effektivare och mer tillförlitliga analyser av de stora och komplexa datamängder som samlas in från smarta system. Som ett resultat kan vi skapa en bättre förståelse för och följaktligen också skapa bättre förutsättningar för att utveckla system, exempelvis öka möjligheterna att förutse systemens prestanda och konstruera för att förbättra möjligheterna att förutsäga och kontrollera prestanda och beteende.

Självanpassande mjukvarusystem

Forskargruppen AdaptWise studerar metoder och tekniker för självanpassande mjukvarusystem. Gruppen fokuserar på att skapa försäkringar för att systemen uppfyller de egenskaper som efterfrågas. Självanpassning är en princip för att hantera osäkerheter i driftsatta mjukvarusystem, exempelvis dynamisk resurstillgång och förändringar av kraven.

Att lägga till självtillpassningsfunktioner till programvarusystem gör det möjligt för dessa system att agera autonomt, med en dynamik som är omöjlig att bestämma vid tidpunkten då systemen designas och implementeras. Därför kan dessa system ta över enformiga uppgifter som vanligtvis utförs av operatörer, med kortare svarstider och med högre kvalitet, vilket ger smartare system.

Mjukvaruteknologier

Software Technology Labs studerar teknologier för dataintensiva mjukvarusystem. Maskininlärning och artificiell intelligens använder (stora) datamängder för att automatisera uppgifter som resonemang, planering, beslutsfattande och prediktion. Skalbara teknologier möjliggör en hantering av stora datavolymer, exempelvis i stora realtidsdataströmmar. Gruppen studerar även möjligheten att se IT-system som informationskällor. Idén är att på detta vis skapa möjligheter för kontinuerlig analys och därmed förbättra kvalitetsarbetet.

Teknologi för dataintensiva mjukvarusystem möjliggör omvandling av data till information och information till kunskap, vilket bidrar till en enklare implementation av smartare system och i vissa fall även en mer eller mindre helautomatisk generering av komponenter för dessa system.

Forskargrupper

Forskningsprojekt

Avslutade forskningsprojekt

Samverkan

Samverkan inom datavetenskap är en viktig del i såväl utbildning som forskning och stärker både lärare och forskare inom ämnet men också våra externa partners. Det finns ständiga behov av extern medverkan i våra utbildningar genom till exempel gästföreläsningar, fallstudier, projekt- och/eller examensarbeten. Vi utvecklar och ger också kurser i nära samarbete med yrkesverksamma och bidrar på så sätt till det livslånga lärandet.

Inom forskningen letar vi kontinuerligt efter nya samarbetspartners, idéer för gemensamma forskningsprojekt kan antingen komma från er som externa partner eller från våra forskare och kan leda till gemensam forskning och utveckling.

Vi står även bakom Stora IT-kompetenspriset, som delas ut till ett företag eller en organisation som arbetat engagerat med kompetensutveckling av personalen och samverkat med IT-relaterade utbildningar.

Vill du veta mer om vilka samverkansmöjligheter som finns är du välkommen att kontakta oss på datait@lnu.se som kan guida dig rätt.