course-details-portlet

TDT4259 - Anvendt data science

Om emnet

Nytt fra studieåret 2020/2021

Vurderingsordning

Vurderingsordning: Oppgave og arbeider
Karakter: Bokstavkarakterer

Vurderingsform Vekting Varighet Hjelpemidler Delkarakter
Oppgave 50/100 1 semestre ALLE
Arbeider 50/100 1 semestre ALLE

Faglig innhold

Data science omfatter en omfattende samling metoder og teknologier for innhenting (mining), aggregering og analyse av data.

Siktemål for de fleste AI kurs er skolering i de metodiske aspektene. Kurset her er derimot rettet mot å utvikle kjennskap til, ferdigheter i og kompetanse om de mest anvendte metodene.

Kurset utnytter det faktum at svært mange forretningsnære, praktiske anvendelser av data science ikke forutsetter bruk av de mest sofistikerte metodene. Svært mange praktiske problemer fra private og offentlige virksomheter kan løses med kjente metoder som finnes tilgjengelig i kommodifiserte teknologier i form av open source programvare.

Læringsutbytte

Kunnskap: Kandidaten skal etablere dyp kunnskap om utvalget av data science metoder, teknologier og algoritmer.

Ferdigheter: Kandidaten skal utvikle gode ferdigheter i å sette opp og konfigurere data science verktøy. Kandidaten skal videre ha gode evner til å identifisere hvilke metoder som egnet å løse hvilke praktiske problemer. Kandidaten skal også ha gode evner til å tilrettelegge og pre-prosessere data for input.

Kompetanse: Kandidaten skal etablere kompetanse for betingelsense for å anvende utvalgte data science metoder til å adressere forretningsmessige og strategiske utfordringer.

Læringsformer og aktiviteter

Kurset er bygget opp med forelesninger samt prosjektoppgave.

Studentene skal gjennomføre et gruppebasert prosjekt og en individuell oppgave. I gruppeprosjektet skal studentene gjennomføre en problemnær analyse av realistike, forretningsnære data.

Gruppeprosjektet gir en praktisk øving av ferdigheter med å konfigurere verktøy, pre-prosessere data og gjennomføre forretningsnære analyser. Den individuelle oppgaven diskuterer gruppeprosjektet i lys av relevant litteratur fra fagets pensum.

Det gruppebaserte prosjektet teller 50% og den individuelle oppgaven 50% av evalueringen. Begge deloppgavene må være bestått for å bestå emnet.

Kurs kan bli forelest på engelsk dersom det tas av studenter uten norskkunnskaper.

Mer om vurdering

Begge delvurderingene må være bestått for å bestå emnet.
Det blir ingen utsatt eksamen. Ved gjentak må hele emnet gjentas.

Forkunnskapskrav

Ingen

Kursmateriell

Oppgis ved semesterstart

Flere sider om emnet

Ingen

Fakta om emnet

Versjon: 1
Studiepoeng:  7.5 SP
Studienivå: Høyere grads nivå

Undervisning

Termin nr.: 1
Undervises:  HØST 2020

Forelesningstimer: 3
Øvingstimer: 2
Fordypningstimer: 7

Undervisningsspråk: Engelsk, Norsk

Sted: Trondheim

Fagområde(r)
  • Informasjonssystemer
  • Industriell økonomi
  • Bedriftsøkonomi
  • Entreprenørskap
  • Foretaksøkonomi og administrasjon
Kontaktinformasjon
Emneansvarlig/koordinator: Faglærer(e):

Ansvarlig enhet
Institutt for datateknologi og informatikk

Telefon:

Eksamensinfo

Vurderingsordning: Oppgave og arbeider

Termin Statuskode Vurderings-form Vekting Hjelpemidler Dato Tid Digital eksamen Rom *
Høst ORD Arbeider 50/100 ALLE
Rom Bygning Antall kandidater
Høst ORD Oppgave 50/100 ALLE
Rom Bygning Antall kandidater
  • * Skriftlig eksamen plasseres på rom 3 dager før eksamensdato. Hvis mer enn ett rom er oppgitt, finner du ditt rom på Studentweb.
Eksamensinfo

For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"

Mer om eksamen ved NTNU