Datavetenskap är ett av de snabbast växande och bäst betalda yrkena i dag. En kandidatexamen i datavetenskap fungerar i allmänhet som den lägsta utbildningsnivå som krävs för att komma in på området, vilket gör det möjligt för dig att söka en mängd olika tjänster på ingångs- och mellannivå med goda utsikter till karriärutveckling. De flesta program kräver vanligtvis fyra års heltidsstudier och erbjuder en introduktion till viktiga principer som programmering, operativsystem, datornätverk och systemarkitektur.

Denna sida erbjuder en allmän översikt över datavetenskapliga utbildningar, från skolval till karriärmöjligheter. Läs vidare för att lära dig mer om ansökningskrav, vanliga kursämnen och professionella och akademiska resurser för datavetenskapsstudenter.

Vad är de bästa datavetenskapsprogrammen 2020? Här är våra 10 bästa:

Liquid error: internal

Rank	School	Location

Vad är datavetenskap?

Datavetenskap är ett brett fält, och en kandidatexamen ger en bred överblick över dess viktigaste koncept och verktyg. I allmänhet beskriver datavetenskap användningen och manipuleringen av digitala processer och data för att utföra uppgifter, vanligtvis i form av tillämpningar och program. Datavetenskap informerar varje aspekt av det moderna samhället där tekniken spelar en roll, inklusive affärsverksamhet, kommunikation, utbildning och underhållning.

Jämför liknande bootcamp-program

En kandidatexamen i datavetenskap utforskar följaktligen ett brett sortiment av ämnen som är relaterade till driften och organiseringen av datorer, inklusive programmeringsspråk, systemarkitektur, datanätverk, hårdvara och mjukvara. Det enorma informationsdjupet inom området innebär att en kandidatexamen i allmänhet inte kan erbjuda mer än en introduktion till grundläggande datavetenskapliga begrepp. Många program erbjuder dock specialiseringar, till exempel nätverkssäkerhet, programvaruteknik eller databasadministration.

Kolla in några av de bästa online kandidatprogrammen i datavetenskap för att få en bättre uppfattning om dina alternativ när du ska ta en examen.

Vad du kan göra med en kandidatexamen i datavetenskap

Utforska några av de mest populära yrkena för datavetenskapsstudenter för att lära dig vad du kan göra med din examen efter examen.

Computer and Information Systems Manager

De här personerna, som ofta kallas IT-chefer eller direktörer, koordinerar olika datarelaterade aktiviteter i organisationer. De hjälper till att skapa och uppfylla IT-mål med hjälp av datorsystem. Denna position kräver vanligtvis en kandidatexamen för att kvalificera sig för ingångspositioner.

Median årslön: 142 530 dollar*

Datorhårdvaruingenjör

Datorhårdvaruingenjörer forskar om, utformar och utvecklar datorsystem. De testar också datorhårdvara för att se till att den fungerar korrekt och samarbetar ofta med programvaruutvecklare. De kan också arbeta i forskningslaboratorier som bygger datormodeller. En typisk ingångsposition kräver en kandidatexamen.

Median årslön: 114 600 dollar*

Datorprogrammerare

Datorprogrammerare skriver och testar kod och ser till att datorprogram och mjukvaruprogram fungerar tillsammans. Datorprogrammerare specialiserar sig vanligtvis på ett eller några olika programmeringsspråk och arbetar vanligtvis nära programvaruutvecklare. För de flesta programmerare krävs en kandidatexamen.

Median årslön: 84 280 dollar*

Datornätsarkitekt

Datornätsarkitekter, som ansvarar för att utforma och bygga nätverk för datakommunikation (t.ex. nätverk med stor räckvidd, intranät och lokala nätverk), behöver vanligtvis minst en kandidatexamen för att få en nybörjarposition. För att utforma ett framgångsrikt nätverk behöver dessa yrkesverksamma även omfattande kunskaper om en organisations affärsplan och mål.

Medianårslön: 109 020 dollar*

Forskare inom dator- och informationsforskning

Datorforskare forskar om och löser problem inom affärsverksamhet, vetenskap, medicin och andra områden med hjälp av datatekniska principer. De uppfinner och förbättrar också dataprogram och hårdvara. Dessa yrkesverksamma kan specialisera sig på områden som programmering, robotik och datavetenskap. Även om de flesta av dessa jobb kräver en magisterexamen i datavetenskap, accepterar vissa federala jobb sökande som endast har en kandidatexamen.

Medianårslön: 118 370 dollar*

Källa: Källa: Bureau of Labor Statistics

Vad man kan förvänta sig av en kandidatexamen i datavetenskap

Tyvärr kan kurserna variera mellan olika skolor, men de flesta online kandidatexamina i datavetenskap erbjuder en liknande allmän läroplan, som täcker viktiga ämnen inom datavetenskapsteori, datorsystem och tillämpningar. Läs vidare för att lära dig om typiska kurser och inriktningar för datavetenskapliga huvudämnen.

Koncentrationer som erbjuds för en kandidatexamen i datavetenskap

Mjukvaruteknik Kurserna i en specialisering i mjukvaruteknik är tungt fokuserade på programmering och design. Studenterna skriver in sig i valbara kurser som speldesign och artificiell intelligens. Programvaruingenjörer arbetar inom en mängd olika områden och utformar, testar och distribuerar programvara. De skapar de appar som människor använder i sina mobiltelefoner och de system som hjälper till att skjuta upp raketer i rymden. Nätverk och säkerhet Koncentrationen nätverk och säkerhet i många datavetenskapsprogram online fokuserar på den teknik som gör att datorsystemen fungerar smidigt och är säkra mot hackare, virus och andra hot. Studenterna lär sig grunderna för nätverksarkitektur, teori och protokoll. Nätverks- och säkerhetsexperter kan söka roller i nästan alla typer av företag. De är särskilt efterfrågade hos organisationer som behöver skydda känsliga uppgifter, t.ex. finans- och forskningsinstitutioner. Spelutveckling En av de mer kreativa specialiseringarna som finns tillgängliga i vissa datavetenskapsprogram online är spelutveckling. Denna inriktning omfattar de algoritmer och den teknik som behövs för att skapa videospel samt forskning, marknadsföring och affärsmodeller bakom skapandet av en framgångsrik spelprodukt.

Kurser i ett kandidatprogram i datavetenskap

Artificiell intelligens AI-kurser ger en översikt över hur maskiner kan interagera med människor, lösa problem och resonera på samma sätt som människor. AI är en viktig aspekt av karriärer inom robot- och spelindustrin samt inom sökmotordesign och medicinsk diagnostik. Kryptografi Kryptografikurser omfattar de tekniker som används för att hålla data säkra, t.ex. kryptering, digitala signaturer, autentisering och nollkunskapsprotokoll. Experter i kryptografi arbetar ofta på IT-avdelningar och i branscher som hanterar känslig information, t.ex. myndigheter, detaljhandel och banker. Datamining I kurser i datamining lär man ut metoder som används för att få tillgång till både tydligt definierade och ostrukturerade data, t.ex. mönsterigenkänning, klusterbildning och textutvinning. Datavetare använder datautvinning för att samla in information som kan omvandlas till användbara idéer för bättre prestanda, t.ex. genom att analysera konsumenternas tittarvanor på nätet för att förbättra utformningen av en webbplats. Hälso- och sjukvård, hotell- och restaurangbranschen, teknikbranschen och konsumentbranschen använder alla datavetare för att förbättra sina tjänster. Hälsoinformatik Under kurserna i hälsoinformatik får studenterna lära sig hur databehandling tillämpas på alla aspekter av hälso- och sjukvården, inklusive utformning, genomförande och utvärdering av kliniska informationssystem. I kurserna ingår ofta att tillämpa inlärda kunskaper på en klinisk utmaning i den verkliga världen. Studenter som specialiserar sig på hälsoinformatik får vanligtvis en karriär inom medicin och hälsovård samt inom försäkringsbranschen. Maskininlärning Kurserna i maskininlärning fördjupar sig i statistik, linjär algebra och andra metoder som används för att lära en dator att identifiera mönster i data och sedan anpassa sitt beteende utan att behöva programmeras om. Maskininlärning är en viktig färdighet som används av statistiska analytiker, programvaruingenjörer och arkitekter inom en rad olika områden från flyg- och rymdindustrin till underhållning.

När du undersöker datavetenskapsprogrammen bör du också bestämma vilka karriärer inom datavetenskap som passar dina mål. Det program du väljer påverkar vilka yrken du kan göra efter examen.

Intervju med Brian Gill

Varför valde du att ta en examen i datavetenskap? Var detta ett område som du alltid varit intresserad av?

Mina föräldrar köpte en IBM PCjr till mig när jag var ungefär 10 år gammal, runt 1986. Vi växte upp i en liten jordbruksstad på landsbygden i södra Wisconsin. Detta var ett otroligt insiktsfullt köp – en stor investering i både min och mina yngre syskons framtid. Min mamma stannade hemma med oss och min pappa tjänade förmodligen mindre än 20 000 dollar per år, och ändå bestämde de sig för att spendera 1 500 dollar på en persondator. Varken min pappa eller mamma rörde den någonsin; på något sätt hade de förstått att datorer och dataprogrammering skulle vara kraftfulla tillgångar för deras barn.

Min mamma köpte mig en månatlig prenumeration på ett nyhetsbrev till en tjänst som skickade BASIC-program som skulle kodas med posten. Vi kodade spelet och spelade det sedan; jag minns att hangman var ett särskilt roligt spel som vi kodade flera gånger. Vi hade ingen hårddisk eller något sätt att lagra spelen, så när vi så småningom förlorade strömmen eller var tvungna att stänga av den, förlorade vi programmet och var tvungna att skriva om det nästa gång vi ville spela det.

Det var ganska självklart för mig att söka min datavetenskapsexamen från University of Wisconsin. fortfarande försöker vara en halvt så bra förälder som mina föräldrar var.

Vilka är några av de viktigaste färdigheter som du har fått genom studierna och som gäller för ditt arbete i vardagen?

Jag minns tydligt de tidiga dagarna med programmering i C och Java. Särskilt C var frustrerande, eftersom programmen bara exploderade och det kunde vara otroligt svårt att försöka ta reda på var felet fanns, särskilt om felet fanns i minneshanteringen. Jag minns att jag många gånger tänkte för mig själv att den här kompilatorn var trasig eller att datorn själv måste ha något hårdvaruproblem om mitt program fortsätter att explodera, för uppenbarligen var mitt program perfekt.

Den bästa kursen jag någonsin tog på UW-Madison var en kurs i kompilatorer. I den klassen definierade vi ett nytt programmeringsspråk från grunden. Vi skrev all språkbehandling och var tvungna att göra en kompilator från grunden också, inklusive all felhantering och felmeddelanden. Vi lärde oss om lexikalisk och semantisk analys, op-koder och stackar, och det var både otroligt frustrerande och otroligt givande när det var färdigt.

Anledningen till att det var den bästa kursen jag någonsin haft var att jag gick därifrån och förstod att inget av detta var magi. Mitt program exploderade för att det hade ett legitimt fel. Kompilatorn klagade på ett syntaxproblem och den var smartare än jag. Inget av detta är magiskt; varje fel kan åtgärdas. Dessutom fick jag ett enormt självförtroende för att jag lätt kan lära mig vilket programmeringsspråk som helst. Jag skrev ett och gjorde kompilatorn som förvandlade det till körbar kod – självklart kan jag lära mig dussintals programmeringsspråk.

Hur såg jobbsökandet ut efter din examen? Kände du dig helt förberedd när du gjorde övergången från skolan till arbetsplatsen?

UW-Madison var ett program som var mycket teoretiskt inriktat på den tiden. Jag hade kurser i algoritmer och kompilatorer och operativsystem och artificiell intelligens. Jag hade också ungefär 30 poäng i matematik. Även om det fanns en hel del mental gymnastik att övervinna, och jag hade mycket mer erfarenhet av kodning än de flesta av mina kamrater från mina hobbyprojekt, blev jag ganska förvånad över hur lite jag visste om programmering på ett företag med ett stort team av utvecklare.

Jag behövde lära mig att faktiskt utforma min kod och inte bara börja skriva. Jag behövde lära mig om källkodskontroll och taggning. Jag behövde lära mig att grundligt testa min kod, och skriva kod för att testa min kod, så att mina kollegor inte skulle påverkas negativt av ett otäckt fel som jag checkade in. Jag behövde lära mig om regressionstestning och se till att min nya kod inte sprängde någon gammal process.

Jag behövde också lära mig att acceptera konstruktiv kritik och lära mig att min kod inte är mitt heliga barn. Om den är dålig måste jag få höra varför den är dålig och att jag måste skrota den och börja om på nytt.

Vilka är några av de utmaningar som du möter i ditt arbete varje dag?

Den största utmaningen när jag var professionell programvaruarkitekt var balansen. Jag ville designa och skriva kod, men något annat projekt som jag inte hade något att göra med kunde ha exploderat i produktionen och företaget behövde några friska hjärnor för att undersöka felet. Någon behövde ta itu med leverantörer och genomföra prisförhandlingar för en databasplattform. Någon behövde specificera hårdvara för att se till att webbplatsen verkligen skulle fungera under en semesterperiod. Någon behövde vara mentor för en ung programmerare. Någon behövde arbeta med en affärsenhet och samla in krav för ett projekt som var mycket viktigt för affärsenheten. Någon behövde åka till campus och träffa dussintals unga datavetare och rekrytera nästa våg.

Om du är en mångsidig person, är sympatisk och har ledarskapsförmåga, kommer du ibland att dras bort från det du tror att du älskar att göra. Det kan vara det som är bäst för företaget och bäst för din karriär. Jag kommer alltid att se tillbaka på den här delen av min karriär med glädje, men jag ångrar inte att min karriär har tagit mig i olika riktningar.

Varför bestämde du dig för att starta ett eget företag?

Jag har aldrig varit ett stort fan av auktoriteter. Även om jag hade chefer som jag respekterade, och jag är säker på att det inte är sant, var jag som ung yrkesverksam alltid ganska säker på att jag var ungefär tio gånger så smart som mina chefer. Jag hade en liknande tankegång i tredje klass och förmodligen i livmodern. Irrationellt självförtroende och önskan om oberoende.

Men jag var också bättre än mina yrkeskollegor. Jag arbetade 60 timmar i veckan och en av mina timmar producerade fem gånger mer än en normal timme från mina kollegor. Som ett resultat av detta fick jag min 8-procentiga löneförhöjning varje år när jag arbetade för traditionella, stora företag. De var helt enkelt inte utformade för att belöna någon som jag. Det tar fyra år att bli teamledare och det finns folk som står i kö framför dig – den typen av saker.

Så jag köpte en enkel flygbiljett och flög till San Francisco under den första internetboomen. Även om jag hade lite framgång i de nystartade företag jag deltog i, visste jag att de gjorde många misstag, och jag hade en irrationell tilltro till att jag kunde göra det bättre.

Min yngre bror Tyler, som höll på att ta sin datavetenskapsexamen från UW-Madison, fick en idé om att starta ett företag för reparation av hårddiskar, och vi satsade på det.

Hur har mentorskap för andra programmerare/datavetenskapsmän förändrat ditt perspektiv på området och/eller datavetenskapliga läroplaner?

När jag slutade skolan och började göra karriär var min första tanke: ”Jag önskar att de hade haft några kurser om programmering i den verkliga världen”. Jag skämdes över att jag inte visste något om grafiska gränssnitt, kravinsamling, källkodskontroll och byggprocesser. När jag handledde unga programmerare tänkte jag ofta på samma saker – ”Jösses, de lär inte ut något om den här verkliga världen i skolorna”. Och jag tror att många program i allmänhet har hört den feedbacken och anpassat sig.

I slutändan tror jag att det förmodligen är fel beslut! Om man ser tillbaka på det mer teoretiska programmet vid University of Wisconsin, där man verkligen pressas att förstå kärnkoncepten för att bygga ett operativsystem från grunden eller bygga ett programmeringsspråk från grunden, lära sig om logiska grindar och göra lite CPU-design … det gör att man verkligen är förberedd för att hjälpa till att driva vad som kommer härnäst i datavärlden.

Det finns tusentals människor som kan gå till en teknisk skola och lära sig Java och bli duktiga på en handfull år – tillräckligt bra för att jobba på ett företagsjobb på en bank. En läroplan som främjar ett mer övergripande tänkande och grunderna, det som inte direkt används i vissa av dessa jobb i den verkliga världen, är en bättre investering på längre sikt för människor som vill ha större saker i sin karriär.

Vilka råd skulle du ge till studenter som överväger att ta en examen i datavetenskap?

Lär dig att programmera först. Köp en bok och bli en Java-certifierad utvecklare innan du ens läser CS 101. Om du älskar det och har ett sinne för det kommer du att kunna ta dig igenom en självstyrd läroplan och veta att du kommer att ha entusiasmen att ta dig igenom alla akademiska ämnen. Dessutom, medan dina kamrater i dessa klasser tar tio timmar på sig för att skriva ett program och snubblar runt och försöker förstå vad en ”null pointer” betyder, kommer du att få fram fungerande kod på två timmar och kan ägna din tid åt att tänka mer på de teoretiska sakerna.

Och du kanske har tid att börja fundera på mer entreprenörsinriktade idéer. Du kanske har tid att arbeta med dina hobbyprojekt, som för en kunnig intervjuare är mycket viktigare än alla akademiska projekt som du kodar.

Du kanske också upptäcker att du avskyr programmering – du har inte tålamodet att sitta framför en dator och låta en kompilator sparka tänderna i dig i fem timmar i sträck. Den där boken för 50 dollar har alltså räddat dig från en massa tid, arbete och pengar för att komma in på ett starkt konkurrensutsatt program i datavetenskap! Bra programmerare är självständiga och villiga att lära sig själva. Om du kräver att en instruktör ska pressa ner uppgifter i halsen på dig för att lyckas kommer du faktiskt aldrig att lyckas.

Möt fler av våra experter

Hur man väljer ett kandidatprogram i datavetenskap

Hundratals högskolor runt om i landet har datavetenskapsprogram, och det kan vara en utmaning att välja rätt program. Listan nedan beskriver några av de viktigaste faktorerna att ta hänsyn till när du undersöker och jämför program.

Ackreditering Ackreditering anger att en skola uppfyller nationella och regionala utbildningsstandarder, vilket säkerställer att din examen erbjuder professionell och akademisk ryktbarhet. Nästan alla trovärdiga högskolor bör ha ackreditering från en av sex regionala ackrediteringsorganisationer. Många datavetenskapsprogram har också ackreditering från Accreditation Board for Engineering and Technology (ABET). Programformat Beroende på dina yrkesmässiga eller personliga förpliktelser kan du finna att ett online-, hybrid-, accelererat- eller deltidsprogram passar bäst för dina behov. Många skolor erbjuder en mängd olika inskrivningsalternativ för att passa varierande studentscheman, inklusive accelererade program som gör att du kan komma in i arbetslivet snabbare eller onlineprogram på deltid som enkelt passar in i din arbetsvecka. Kostnad Studieavgifter är ofta en av de viktigaste frågorna för högskolestudenter, även för dem som vill studera ett välbetalt område som datavetenskap. Oavsett om du planerar att skriva in dig online eller på campus lönar det sig alltid att undersöka de totala undervisningskostnaderna. Många skolor inkluderar ytterligare inskrivnings- eller distansutbildningsavgifter som inte alltid syns i den annonserade avgiften. Akademiskt utbud Som ett mångsidigt och ständigt utvecklande område erbjuder datavetenskap flera potentiella ingångar, och många program erbjuder varierade koncentrationsalternativ för att hjälpa dig att särskilja dig på en överfylld arbetsmarknad. Beroende på dina yrkesmässiga mål kan du välja så olika inriktningar som artificiell intelligens, molnsäkerhet, datavetenskap eller mobil databehandling. Yrkesmässiga möjligheter På en alltmer konkurrensutsatt arbetsmarknad är det viktigt att tänka på vad en examen erbjuder utöver rena akademiska studier. När du undersöker ett datavetenskapsprogram bör du undersöka de yrkesmässiga möjligheterna och kontakterna. Vilken typ av praktikplatser har studenterna? Har programmet kontakter med framstående teknikföretag eller andra organisationer?

Anslutning till datavetenskapsprogram för kandidater

De exakta antagningskraven kan variera kraftigt mellan skolor, men de flesta program har generellt sett liknande ansökningskomponenter, inklusive ett minimalt genomsnittligt medelbetyg, standardiserade provresultat och förkunskapskurser. I avsnittet nedan beskrivs de vanligaste antagningskraven för datavetenskapsprogram.

Förutsättningar

• Minsta GPA:Med några få undantag upprätthåller de flesta högskolor ett minsta GPA-krav för sökande, vilket varierar beroende på selektivitet. I allmänhet kräver de flesta ett GPA på 2,5-3,0, men detta varierar beroende på skola och program. Vissa högskolor kan erbjuda villkorad antagning eller alternativa antagningsvägar till studenter vars GPA understiger standardkraven.
• Förkunskapskurser: För att kunna studera datavetenskap måste du uppfylla vissa förkunskapskurser, t.ex. college algebra och statistik. Utanför särskilda påskyndade program kan du vanligtvis uppfylla dessa krav som en del av dina kurser på lägre nivå på college. Om du börjar på college med avancerade matematikkurser kan det dock göra det möjligt för dig att avlägga din examen snabbare.
• Arbetslivserfarenhet: Grundutbildningar kräver sällan yrkeserfarenhet inom datavetenskap, med undantag för vissa accelererande examina som vänder sig till yrkesverksamma studenter. Men om du har betydande yrkeserfarenhet kan du kanske hoppa över vissa kurser och avlägga din examen snabbare.

Hur du ansöker

Testresultat SAT- eller ACT-poäng är ett vanligt krav för de flesta collegeansökningar och visar dina allmänna verbala och kvantitativa färdigheter i resonemang. De flesta skolor accepterar båda testerna, även om kraven på poäng varierar kraftigt beroende på programmets selektivitet. Många skolor avstår från testkrav för äldre sökande som har slutat gymnasiet i flera år. Personlig redogörelse Många program kräver att du skickar in en personlig redogörelse, även kallad ”statement of purpose” eller ”letter of intent”, som en del av din ansökan. De flesta skolor kräver en kort uppsats (vanligtvis en eller två sidor) som beskriver din bakgrund, dina personliga och yrkesmässiga mål och dina skäl för att studera datavetenskap. Rekommendationsbrev Mer selektiva datavetenskapsprogram kan kräva att du lämnar in rekommendationsbrev från yrkesverksamma personer som känner till ditt arbete. Dessa brev talar vanligtvis om dina förmågor och din potential för studier på högskolenivå. Lärare, arbetsgivare och praktikhandledare är alla utmärkta val för rekommendationer.

Tidslinje

Ansökningsdatum och andra tidsfrister varierar kraftigt mellan skolorna, men antagningsmilstolparna för de flesta program följer vanligtvis ett liknande schema. För program som börjar på hösten inträffar antagningsfrister i allmänhet under den föregående januari, även om dessa datum kan variera enormt. Skolor erbjuder allt oftare flera startdatum under skolåret, med motsvarande sista ansökningsdatum.

Om ditt valda college kräver att du skickar in SAT- eller ACT-poäng bör du göra provet senast sex veckor före sista ansökningsdag. De flesta studenter tar dock testerna flera månader innan ansökningstiden går ut, om de skulle behöva göra om något av proven.

Resurser för studenter med en kandidatexamen i datavetenskap

TILLBAKA TILL TOPPEN