BBAN4001

Data Science

Høst

Trondheim

Norsk

Oversikt

Snitt

B

3,58

0,28

Ståprosent

96 %

2 poeng

Karakterfordeling
Snitt over tid
Ståprosent over tid

Om emnet

Faglig innhold

Emnet gir en teoretisk og praktisk innføring i en rekke tema innenfor dataanalyse og statistisk læring, med særlig henblikk på anvendelser innenfor økonomifeltet.

Disse temaene kan inkludere blant annet:

  • Lineær, ikke-lineær og logistisk regresjon
  • Kryssvalidering
  • Bootstrapping
  • Desisjonstrær og boosting
  • Støttevektormaskiner
  • Klyngeanalyse
  • Nevrale nettverk
  • k-nærmeste naboer (k-NN)
  • Datavisualisering
  • Generativ KI
  • Forklarbar KI

Emnet gir en innføring i bruk av programmeringsspråket R eller Python til dataanalyse. Bruk av andre dataverktøy, for eksempel SQL, kan også inngå.

Læringsmål

Kunnskap

Kandidaten skal:

  • Ha god kjennskap til de grunnleggende teknikkene innenfor data science
  • Kunne knytte anvendelser av data science til problemstillinger knyttet til det økonomisk-administrative fagområdet

Ferdigheter

Kandidaten skal:

  • Kunne gjennomføre grunnleggende dataanalyser i programmeringsspråket R eller Python
  • Kunne forstå og vurdere avanserte dataanalyser samt resultater fra enkelte maskinlæringsteknikker

Generell kompetanse

Kandidaten skal:

  • Kunne bruke data science til å uttrykke, analysere og kommunisere økonomiske sammenhenger
  • Ha en forståelse av data science og grunnleggende maskinlæring som kan danne basis for videre studier og livslang læring

Læringsformer og aktiviteter

Forelesninger, regne- og dataøvinger.