Course code BUS350

BUS350 Introduksjon til data analytics

English course information

Søk etter andre emner

Viser emneinfo for studieåret 2022 - 2023.

Emneansvarlige: Erlend Dancke Sandorf, Dag Einar Sommervoll
Studiepoeng: 5
Ansvarlig fakultet: Handelshøyskolen
Frekvens: Årlig. 
Undervises på språk: EN
(NO=norsk, EN=Engelsk)
Begrensning antall plasser:
120 studenter
Undervises i periode:
Emnet starter i høstparallellen. Emnet har undervisning/vurdering i høstparallellen.
Første gang: Studieår 2020-2021
Fortrinnsrett: Handelshøyskolestudenter, masterstudenter, men kurset kan tas av studenter på bachelornivå så fremt forkunnskapskravene er oppfylt.
Undervises hvor?: Campus Ås
Emnets innhold:

Målet med dette kurset er å legge et grunnlag for data-baserte beslutninger. Data-baserte beslutninger forutsetter kunnskaper og ferdigheter i datainnhenting, data strukturer, analyse og visualisering. Kurset dekker følgende tema:

  • Vanlige datastrukturer innen business analytics, økonomistyring og finans (relasjonsdatabaser inkludert grunnleggende SQL)
  • Analyseverktøy og brukergrensesnitt (R, Rstudio og Rmarkdown)
  • Datainnhenting, datavask, datautforskning («data wrangling»)
  • Dataaggregering og feature engineering
  • Data- og analyse visualisering (ggplot)
  • Datamodellering
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 standardteknikker for datatilrettelegging, datatransformasjoner og datautforskning. («data wrangling»)
  • Kjenne til viktige teknikker for aggregering og transformasjon av data.
  • Forstå hvordan disse preanalysevalgene har implikasjoner for estimeringsresultater og tolkning av resultater.

Ferdigheter:

  • Ha grunnleggende ferdigheter i R og kunne arbeide med disse i et egnet brukergrensesnitt (Rstudio, Rmarkdown)
  • Kunne lese inn utfordrende rådata og klargjøre disse for analyse.
  • Kunne utføre grunnleggende former av feature engineering som variabelutvelgelse, transformasjoner av data og data aggregering
  • Kunne  lage informative visualiseringer av data og analyser.
  • Lage reproduserbare rapporter ved for eksempel Rmarkdown.

Generell kompetanse:

  • Kunne effektivt kommunisere resultater ved hjelp av tekst, tabeller og visualiseringer
  • Forstå at ofte er kritiske valg nødvendige å gjøre i prosessen fra rådata til ferdig analyse, og ha et overordnet blikk vedrørende i hvilken grad disse påvirker analysen.
Læringsaktiviteter:
Flipped-classroom med netbaserte videoer og læringsressurser på Canvas, komputerlab, selvstendig arbeid med øvingsoppgaver med ukentlige oppgavesett som kan innleveres og få tilbakemeldinger
Læringsstøtte:
Øvinger i komputerlab med øvingslærere. Øving fortrinnsvis på campus. En øving planlegges å være online.
Pensum:
Forutsatte forkunnskaper:
MATH100 Brukerkurs i matematikk eller ECN102 Innføring i matematikk for økonomer; STAT100 Statistikk, eller tilsvarende emner fra annen utdanningsinstitusjon.
Anbefalte forkunnskaper:
Ingen
Obligatorisk aktivitet:
Ingen
Vurderingsordning:

Mappevurdering bestående av 4 hjemmeoppgaver.

Deltakelse på kurset blir vurdert til Bestått/Ikke Bestått.

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: Mappevurdering: Bestått/ Ikke bestått