Introduksjon til datavitenskap (DAT540)

Innhold

Evnen til å innhente og analysere data har blitt en av de viktigste utfordringene i nesten alle fagområder, sektorer og næringer. I dette emnet blir studentene kjent med grunnleggende verktøy og prosesser som brukes i datavitenskap ("Data Science")

Studentene jobber gjennom hele dataflyten, fra innhenting, rensing og modellering, til lagring av dataene. Arbeidet utføres ved bruk av Python-stakken, som består av blant annet: IPython, NumPy, Pandas, Matplotlib og Jupyter Notebooks.

Studentene lærer å strukturere sitt arbeid ved hjelp av CRISP-DM og Data Science -prosessen ("Ask, Get, Explore, Model, Communicate and Visualize").

Læringsutbytte

Kunnskap:

• Utvikle og kjøre programmer for å laste, analysere, rense, transformere, slå sammen, omforme og lagre data.
• Sammenligne vanlige Python, NumPy og Pandas datastrukturer og bruke en av disse til en definert oppgave. Bruke IPython shell og Jupyter notebook for undersøkende databehandling.
• Utvikle og kjøre enkle algoritmer for maskinlæring eller data mining.

Ferdigheter:

• Gjøre dataanalyse etter CRiSP-DM og Data Science Prosess.
• Lage gode visualiseringer av data analysen med bruk av matplotlib.
• Optimalisere dataanalysen ved å bruke tilgjengelig struktur og metoder.
• Evaluere, kommunisere og forsvare resultater fra dataanalysen.

Generelle kvalifikasjoner:

• Løse dataanalyseoppgaver i sanntid ved bruk av en strukturert fremgangsmåte.

Forkunnskapskrav

Anbefalte forkunnskaper

Eksamen / vurdering

Fagperson(er)

Emneansvarlig:

Faglærer:

Instituttleder:

Arbeidsformer

Arbeidet vil bestå av 6 timer forelesning, laboratorium, veiledet gruppearbeid per uke.

Det forventes at studentene bruker ytterligere 6-8 timer i uken på selvstudium, gruppediskusjoner og utviklingsarbeid.

Åpent for

Emneevaluering

Litteratur