BUS350 Introduksjon til data analytics
English course information
Søk etter andre emner
Velg annet år
Viser emneinfo for studieåret 2021 - 2022.
Emneansvarlige: Erlend Dancke Sandorf, Dag Einar Sommervoll
Studiepoeng: 5
Ansvarlig fakultet: Handelshøyskolen
Frekvens: Årlig.
Undervises på språk: EN
(NO=norsk, EN=Engelsk)
(NO=norsk, EN=Engelsk)
Undervises i periode:
Emnet starter i høstparallellen. Emnet har undervisning/vurdering i høstparallellen.
Første gang: Studieår 2020-2021
Fortrinnsrett: -
Emnets innhold:
Målet med dette kurset er å legge et grunnlag for data-baserte beslutninger. Data-baserte beslutninger forutsetter kunnskaper og ferdigheter i hvordan data hentes, struktureres, analyseres og visualiseres. Kurset består av seks deler:
- Vanlige datastrukturer innen business analytics, økonomistyring og finans (relasjonsdatabaser,SQL)
- Analyseverktøy (Excel,Python, R)
- Brukergrensesnitt (Rstudio Rmarkdown, jupyter)
- Datatilrettelegging, datavask, datautforskning.
- Dataaggregering og feature engineering
- Data og analysevisualisering (ggplot, leaflet)
Læringsutbytte:
Kunnskaper:
- Forstå egenskapene til rådatastrukturer og deres implikasjoner for bruk av analyseteknikker.
- Kjenne til vanlige databasestrukturer og forstå deres implikasjoner for datahåndtering og datauttrekk.
- Kjenne standard teknikker for datatilrettelegging, datavask og datautforskning.
- Kjenne til viktige teknikker for aggregering og transformasjon av data.
- Forstå hvordan disse preanalysevalgene har implikasjoner for estimeringsresultater og prediksjoner.
Ferdigheter:
- Ha grunnleggende ferdigheter i R og Python og kunne arbeide med disse i et egnet brukergrensesnitt (Rstudio, Rmarkdown, jupyter-notebook).
- Kunne utføre grunnleggende former av feature engineering (variabel utvelgelse, transformasjon av data, feature testing etc.)
Generell kompetanse:
- Ha en integrert forståelse av hva en komplett analyse medfører fra innhenting av data til diskusjon av resultatene. Studenten skal ha et bevisst forhold til hvordan valg underveis vil kunne påvirke analysen i ønsket og i uønsket retning.
Læringsaktiviteter:
Forelesninger, flipped-classroom-aktiviteter, komputerlab, selvstendig arbeid med øvingsoppgaver.
Læringsstøtte:
Canvas, flipped-classroom-aktiviteter.
Pensum:
Pensum opplyses på kursets Canvas-side i begynnelsen av semesteret.
Forutsatte forkunnskaper:
MATH100 Brukerkurs i matematikk eller ECN102 Innføring i matematikk for økonomer; STAT100 Statistikk, eller tilsvarende emner fra annen utdanningsinstitusjon.
Obligatorisk aktivitet:
Ingen
Vurderingsordning:
Mappevurdering. 3 hjemmeoppgaver + 1 midtsemestereksamen. Vurdering på alle mappe-elementer er Bestått/Ikke.
Sensor:
Ekstern sensor kvalitetssikrer pensum, eksamensoppgaver og prinsipper for evaluering og besvarelser.
Merknader:
Emnet blir undervist på engelsk. Innvekslingsstudenter kan ta kontakt med studieveiledere ved Handelshøyskolen (studieveileder-hh@nmbu.no) for å få vurdert om de kan få plass på emnet.
Normert arbeidsmengde:
125 timer. Dette er et arbeidsintensivt emne.
Opptakskrav:
Emnet er forbeholdt studenter ved Handelshøyskolen.
Undervisningstid:
To forelesningstimer per uke (september til desember). I tillegg intensivt arbeid med øvingsoppgavene.
Eksamensdetaljer: :