Skip to main content
DA / EN

Hvordan er Computer Science opbygget?

Erhvervskandidat i Computer Science varer 4 år på deltid, så uddannelsen kan kombineres med dit arbejde. Hvert studieår er opdelt i 2 semestre. Opgaver og projekter kan ofte tage udgangspunkt i din arbejdsplads som case.

Du kan se en oversigt over uddannelsens opbygning i studieforløbsdiagrammet nedenfor. På små skærme ses diagrammet bedst i liggende format.

Valg og muligheder

Allerede på 2. år af erhvervskandidat i Computer Science får du gode mulighed for at forme din faglige retning gennem et konstituerende valgmodul på 30 ECTS. Det giver dig et solidt udgangspunkt for at fordybe dig i de datalogiske fagområder, som er særligt relevante for dit jobområde.

På 3. år har du endnu mere fleksibilitet. Det åbner fx muligheden for at lave et virksomhedsprojekt på din arbejdsplads som en del af din uddannelse. Hvis din arbejdsplads har en 

Uddannelsens 4. år er dedikeret til specialet. Her kan du dykke ned i et emne du interesserer dig særligt for, med din egen arbejdsplads som case.

Skift mellem erhvervskandidat og kandidat

Som studerende på erhvervskandidat i Computer Science kan du søge om at skifte til den 2-årige fuldtidskandidat. Du kan tidligst skifte med virkning fra 2. semester.

Vilkår for ansættelse

SDU vil to gange årligt indhente dokumentation for din beskæftigelse. Du er desuden forpligtet til at give SDU besked hvis din beskæftigelsessituation ændrer sig.

Hvis SDU vurderer at du ikke længere opfylder kravet om relevant beskæftigelse, vil du blive overflyttet til den 2-årige fuldtidskandidat.

Eksempel på ugeplan/skema

Herunder ser du et eksempel på hvordan et undervisningsskema kan se ud for en studerende på 1. semester af erhvervskandidat i Computer Science. Undervisningstidspunkterne og arbejdsbelastningen kan variere fra uge til uge, og der kan som udgangspunkt være skemalagt undervisning på hverdage i tidsrummet 8.15-18.00.

Mandag
Tirsdag
Onsdag
Torsdag
Fredag
Kl. 8-10
Datamining og Big Data
[fællestimer]
Kl. 8-10
Datamining og Big Data
[fællestimer]
Kl. 10-12
Frontiers of Algorithms
[holdtimer]
Kl. 10-12
Datamining og Big Data
[holdtimer]
Kl. 12-14
Frontiers of Algorithms
[fællestimer]
Kl. 14-16
Frontiers of Algorithms
[fællestimer]