Emne - Big data i eiendomsfinans - BBAN4025
BBAN4025
Dette emne har faglig overlapp med emnet i tabellen over. Om du tar emner som overlapper får du studiepoengreduksjon i det emnet du har dårligst karakter i. Dersom karakteren er lik i de to emnene gis det reduksjon i det emnet som er avlagt sist.
Big data i eiendomsfinans
Velg studieår
Studiepoeng
7,5
Nivå
Høyere grads nivå
Undervisningsstart
Høst 2024
Varighet
1 semester
Undervisningsspråk
Norsk
Sted
Trondheim
Vurderingsordning
Gruppeppgave
Om
Om emnet
Faglig innhold
- Emnet tar sikte på å være et avansert og veldig forskningsrelatert emne på masternivå, som har som mål å gjøre studentene i stand til å analysere stordata med høyt kompleksitetsnivå.
- Kurset starter med en introduksjon til eiendomsfinansiering, med fokus på analyse, bank og verdivurdering. Dette vil være grunnlaget for de stordataanalysene som skal anvendes videre i emnet.
- Emnet vil introduserer studentene analyseteknikker som kan brukes på stordata-analyser innen eiendomsfinansiering inkludert hedoniske regresjoner, gjentatt salg, flernivåanalyse og bruk av kunstig intelligens (AI) og maskinlæringsteknikker.
Læringsutbytte
Kunnskap
- Studentene skal ha kunnskap om verdsettelse av eiendom.
- Studentene skal ha kunnskap om hvordan automatiserte verdsettelsesmodeller for eiendom fungerer.
- Studentene skal ha kunnskap om hvordan stordata kan benyttes for å løse praktiske beslutningsproblemer innen eiendomsfinans.
- Studentene skal ha kunnskap om hvordan stordata kan benyttes for å løse praktiske beslutningsproblemer knyttet til eiendomsrelaterte bankspørsmål.
Ferdigheter
- Studentene skal kunne planlegge, tilrettelegge for og gjennomføre dataanalyser innen eiendomsfinans.
- Studentene skal kunne gjennomføre verdsettelse av eiendom.
- Studentene skal kunne benytte hedoniske regresjoner og gjentatte salg til gjennom eiendomsanalyser.
Generell kompetanse
- Generell kunnskap om eiendomsfinans og hvordan eiendomsmarkedet påvirker banknæringen.
- Emnet skal også gi studentene generell kunnskap om hvordan stordata kan analyseres, inkludert analyser som anvender kunstig intelligens og maskinlæringsteknikker.
Læringsformer og aktiviteter
Forelesninger, gjesteforelseninger, gruppeoppgaver og veiledning.
Obligatorisk arbeidskrav skal være bestått før endelig innlevering av prosjektoppgaven.
Obligatoriske aktiviteter
- Gruppeoppgave
Mer om vurdering
Studentene skal levere en prosjektoppgave. Oppgaven kan gjennomføres med inntil 3 gruppemedlemmer.
Spesielle vilkår
Anbefalte forkunnskaper
Vi anbefaler at studentene som ønsker å ta emnet har grunnleggende kunnskap knyttet til kvantitativ empirisk metode og databehandling.
Forkunnskapskrav
Ingen
Kursmateriell
Oppgis ved semesterstart
Studiepoengreduksjon
Emnekode | Reduksjon | Fra |
---|---|---|
BFIN4025 | 7,5 sp | Høst 2023 |
Fagområder
- Økonomi og administrasjon