Kursplan för Data analytics

Data Analytics

Kursplan

  • 7,5 högskolepoäng
  • Kurskod: 2IS239
  • Utbildningsnivå: Grundnivå
  • Huvudområde(n) och successiv fördjupning: Informationssystem G2F

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (G), väl godkänd (VG)
  • Inrättad: 2018-04-26
  • Inrättad av: Institutionsstyrelsen
  • Reviderad: 2020-09-03
  • Reviderad av: Institutionsstyrelsen
  • Gäller från: vecka 01, 2021
  • Behörighet: 60 hp informationssystem inklusive 15 hp databaser
  • Ansvarig institution: Institutionen för informatik och media

Mål

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

  • beskriva centrala begrepp, applikationer och algoritmer inom data analytics,
  • förklara tillämpningsområden för data analytics i ett organisatoriskt sammanhang.
Vad gäller färdighet och förmåga förväntas studenten efter genomgången kurs kunna:
  • använda verktyg för att analysera och visualisera stora mängder av data,
  • förbereda data för olika typer av analys,
  • genom programmering skapa lösningar för grundläggande analys och visualisering av data.
Vad gäller värderingsförmåga och förhållningssätt ska studenten efter genomgången kurs kunna:
  • identifiera och diskutera etiska frågor i relation till data analytics,
  • kritiskt resonera kring metodologiska utmaningar förenade med data analytics.

Innehåll

Kursen ger både teoretiska och praktiska kunskaper och färdigheter kring lagring, bearbetning, analys och visualisering av data. I detta ingår att sammanställa och undersöka data för att hitta mönster som kan skapa nytta i organisationen, till exempel i form av förbättrade beslutsunderlag för organisationens ledning. Kursen behandlar begrepp relaterade till data analytics, såsom big data, maskininlärning och AI. Kursens praktiska inslag består dels av tillämpning av verktyg för analys och visualisering, dels av laborationer där studenten genom programmering i Python applicerar och anpassar befintliga lösningar inom inom området. På kursen lär sig studenten också hur man bearbetar data för att möjliggöra dataanalys. Data analytics kan skapa stor nytta för organisationen, men innebär också risker för individ och samhälle. Kursen belyser därför etiska frågeställningar kring data analytics.

Undervisning

Kursen ges i form av föreläsningar, seminarier, handledning och laborationer.

Examination

Kursen examineras genom inlämningsuppgifter och seminarier.

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.

Litteratur

Litteraturlista

Gäller från: vecka 01, 2021

I bibliotekets söktjänst kan du se om en titel finns elektroniskt.

João Moreira, Andre Carvalho, Tomás Horvath: A General Introduction to Data Analytics ISBN: 978-1-119-29626-3

Artiklar tillkommer.