Behörighetskrav

90 hp informationssystem eller motsvarande

Mål

Vad gäller kunskap och förståelse förväntas studenten efter genomgången kurs kunna:

• definiera centrala begrepp och identifiera teknik inom området big data,
• definiera, kategorisera och beskriva olika former av big data samt hur de kan analyseras,
• förklara utmaningarna med att analysera big data,
• förklara digitala metoder och teknik för analys av big data, såsom statistisk analys, textutvinning och maskininlärning,
• beskriva etiska-, förvaltningsmässiga- samt hållbarhetsrelaterade utmaningar i förhållande till big data.

Vad gäller färdigheter och förmåga förväntas studenten efter genomgången kurs kunna:

• utforma en plan för att analysera big data med utgångspunkt i givna behov , inklusive val av lämpliga digitala metoder, teknik, samt styrningsstrategi för lagring och behandling av data,
• analysera big data genom användning av lämpliga digitala metoder, med beaktande av skalbarhet,
• använda lämpliga digitala metoder för att tolka och presentera utfallet av analyser av big data.

Vad gäller värderingsförmåga och förhållningssätt förväntas studenten efter genomgången kurs kunna:

• kritiskt värdera och diskutera implikationerna av användningen av olika digitala metoder för analys av big data,
• utvärdera vilka kombinationer av big data-tekniker som kan användas under givna förutsättningar,
• diskutera implikationer av digitalisering och utnyttjandet av big data för samhället i stort.

Innehåll

Området big data är snabbt föränderligt och arbetsgivare söker i allt högre grad skickliga strateger och praktiker inom området. Det sägs ofta att data är "den nya oljan". För många organisationer verkar denna analogi hålla - data måste letas efter och kräver stor möda att förbereda innan slutlig användning. För andra kan data representera "det nya kolet" - de finns överallt som en riklig biprodukt av pågående processer, snarlikt CO2 i vår atmosfär. De finns redan där och kan samlas, renas och konsumeras. Dock medför volymen, variationen samt takten genom vilka dessa data genereras, stora utmaningar för digitala organisationer som vill skapa infrastrukturer för att lagra och behandla dessa data.

Kursen ger studenten en djup förståelse för de digitala metoder och tekniker som kan användas för att angripa de tre huvudsakliga utmaningarna med att analysera big data; volym, variation och hastighet (the "3 V's"; volume, variety and velocity). Kursen introducerar studenten till (i) molnbaserad och distribuerad databehandling samt infrastrukturer för lagring av stora mängder data, (ii) metoder för dataanalys, såsom dataintegration, statistisk analys och maskininlärning, för samlad analys av kraftigt varierade data, samt (iii) tekniker för behandling av strömmar av snabbt generade data. Utformning av digitala infrastrukturer för att överbygga dessa utmaningar diskuteras och studenten får praktisk erfarenhet av tillämpning av metoder för analys av data med big data-egenskaper. Slutligen diskuteras inverkan av big data för samhället i stort, inklusive etiska, hållbarhetsmässiga och sociala aspekter, samt hur dessa kan beaktas i strategisk planering och styrning.

Undervisning

Föreläsningar, seminarier och laborationer.

Examination

Seminarier, laborationer och inlämningsuppgifter. Vissa moment kräver obligatorisk närvaro.

Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare eller beslut om undantag som fattats av institutionens arbetsgrupp för studieärenden.