BBAN4001
Data Science
Høst
Trondheim
Norsk
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.