Faglig innhold

Datavitenskap omfatter et betydelig utvalg metoder og teknologier for å samle og analysere data. Målet med de fleste kurs i AI er å forstå de finere detaljene i de metodiske aspektene. Dette kurset er imidlertid rettet mot å utvikle kunnskap om, ferdigheter i og kompetanse til de mest brukte metodene. Kurset utnytter det faktum at mange forretningsrelevante, praktiske problemapplikasjoner av datavitenskap ikke krever de mest sofistikerte metodene. Dessuten bør de fleste av de verdiskapende løsningene fokusere på den overordnede utviklingen av løsningen, og ikke bare på dataanalysedelen. Hvilket problem som skal løses, hvilke forretningsmål som skal måles, og hvordan man kontinuerlig overvåker den foreslåtte løsningen er store deler av den totale prosessen som det knapt snakkes om. Dette kurset fokuserer spesielt på de praktiske anvendelsene av disse elementene i datadrevne analyseprosjekter.

Læringsutbytte

Kunnskap: Kandidaten skal etablere dyp kunnskap om utviklingssyklusen til datavitenskapelige prosjekter.

Ferdigheter: Kandidaten vil få solide ferdigheter i å sette opp og konfigurere datavitenskapelige verktøy. Kandidaten skal utvikle gode ferdigheter i å identifisere hvilke metoder som egner seg for hvilken type problemer.

Kompetanse: Kandidaten skal etablere kompetanse i anvendelse av utvalgte datavitenskapelige metoder for å møte forretningsmessige og strategiske utfordringer.

Læringsformer og aktiviteter

Kurset består av forelesninger og prosjektarbeid. Studentene skal gjennomføre et gruppebasert prosjekt som skal presenteres samt en individuell oppgave. I gruppeprosjektet går studentene gjennom realistiske, problemorienterte analyser av dataene. Gruppeprosjektet er å utvikle praktiske ferdigheter i å konfigurere de relevante verktøyene/teknologiene, forhåndsbehandle data og utføre analysene. Den individuelle oppgaven diskuterer gruppeprosjektet i lys av relevant litteratur fra emneplanen.

Obligatoriske aktiviteter

• Individuell rapport

Anbefalte forkunnskaper

Det anbefales å ha litt bakgrunn og praktisk erfaring med ulike dataanalysemetoder (med eller uten maskinlæring). Siden målet med kurset er å gjøre deg dyktig i den overordnede utviklingssyklusen til et datavitenskapelig prosjekt, dekker vi ikke eksplisitt ulike dataanalysemetoder (bortsett fra en innledende forelesning om maskinlæring). Så for å bidra til gruppeprosjektet vil det være en fordel å ha litt erfaring med dataanalysemetoder.

Forkunnskapskrav

None

Kursmateriell

Tilbys gjennom hele semesteret