course-details-portlet

BBAN4001 - Data Science

Om emnet

Vurderingsordning

Vurderingsordning: Skriftlig skoleeksamen
Karakter: Bokstavkarakterer

Vurdering Vekting Varighet Delkarakter Hjelpemidler
Skriftlig skoleeksamen 100/100 4 timer D

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
  • Lineær og kvadratisk diskriminantanalyse
  • Kryssvalidering
  • Bootstrapping
  • Desisjonstrær og boosting
  • Støttevektormaskiner
  • Klyngeanalyse
  • Nevrale nettverk
  • Datavisualisering

Emnet gir en innføring i bruk av programmeringsspråket R eller Python til dataanalyse. Bruk av andre dataverktøy, for eksempel SQL, kan også inngå.

Læringsutbytte

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. Arbeidskrav kreves godkjent for å få gå opp til eksamen

Obligatoriske aktiviteter

  • Obligatorisk øving

Mer om vurdering

Skriftlig skoleeksamen.

Informasjon om obligatorisk øving vil bli gitt ved semesterstart.

Merk: studenter som går Master i Regnskap og revisjon får tilgang til utsatt eksamen i august uten krav om gyldig forfall eller stryk på grunn av et potensielt behov for å oppnå C-krav i emnet. Disse studentene må ta kontakt med instituttet før oppmeldingsfristen 9.juli.

Kursmateriell

Lærebok (med forbehold om endringer):

Shmueli, G., Bruce, P. C., Gedeck, P., & Patel, N. R. (2019). Data mining for business analytics: concepts, techniques and applications in Python. John Wiley & Sons.

Hvilke kapitler som er pensum, samt annet eventuelt tilleggsmateriale, blir oppgitt i løpet av semesteret.

Studiepoengreduksjon

Emnekode Reduksjon Fra Til
BMRR4015 7.5 HØST 2020
TMA4268 7.5 HØST 2020
Flere sider om emnet

Ingen

Fakta om emnet

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

Undervisning

Termin nr.: 1
Undervises:  HØST 2024

Undervisningsspråk: Norsk

Sted: Trondheim

Fagområde(r)
  • Informasjonsteknologi
  • Statistikk
  • Økonomi og administrasjon
Kontaktinformasjon
Emneansvarlig/koordinator: Faglærer(e):

Ansvarlig enhet
NTNU Handelshøyskolen

Timeplan

Listevisning
Kalendervisning

Eksamensinfo

Vurderingsordning: Skriftlig skoleeksamen

Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
Høst ORD Skriftlig skoleeksamen 100/100 D 25.11.2024 15:00 INSPERA
Rom Bygning Antall kandidater
SL110 turkis sone Sluppenvegen 14 40
SL520 Sluppenvegen 14 0
  • * 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