IS-915 Data Science som strategisk verktøy
- Studiepoeng:
- 10
- Ansvarlig avdeling:
- Fakultet for samfunnsvitenskap
- Emneansvarlig:
- Ilias Pappas
- Undervisningssemester:
- Høst
- Varighet:
- 1 semester
Emnet er tilknyttet følgende studieprogram
- Digital transformasjon, lederutdanning
- Digitalisering, masterprogram
Forkunnskapskrav
Emnet undervises først gang høsten 2022.
Bachelorgrad eller tilsvarende utdanning av minst 180 studiepoengs omfang og minst to års relevant yrkespraksis.
Anbefalte forkunnskaper
Det anbefales gode kunnskaper i engelsk og grunnleggende programmeringsferdigheter for å kunne analysere datasett.
Innhold
Emnet bygger på konsepter og metoder fra flere ulike felt, inkludert bedriftsøkonomi, ledelse, økonomi, sosiologi, informatikk og filosofi. I løpet av emnet vil studentene lære å bruke verktøyene Tableu software environment og DataRobot for AutoML, samt statistiske konsepter og dataanalyseringsmetoder. Studenter vil bli oppfordret til å koble oppgaver med faktiske case fra deres arbeid, for eksempel et datasett eller aktuell problemstilling. Studentene vil lære å identifisere de riktige problemstillingene som må løses, samtidig som man fremmer kreative løsninger gjennom bruk av eksisterende datasett basert på dagligdagse problemstillinger.
Emnet vil gi studentene et systematisk grunnlag for å adressere endring i den digitale organisasjonen, kunne bygge bro mellom digital transformasjon med digital bærekraft som sammen skaper en verdi som igjen har innvirkning på samfunnet. Emnet vil ta for seg big data analyse-økosystemet og strategier for digital transformasjon som fører til endringer i organisasjoner og i samfunnet.
Læringsutbytte
Etter fullført emne skal studenten kunne:
-
definere data science og dens grunnleggende prinsipper for å kunne gi et overordnet overblikk over konsepter og prinsipper, og hvordan disse kan anvendes
-
drøfte hvorfor og hvordan digitalisering og tilgang til data endrer næringslivet og samfunnet, samtidig som big data-analyser bidrar til verdiskaping
-
ha inngående kunnskap om hvordan data kan visualiseres og kommuniseres ved bruk av de nyeste analyseplattformer
-
iverksette maskinlæringsalgoritmer (AutoML) for problemløsning på egen arbeidsplass
-
designe virkelighetsbaserte casestudier for å kunne vise inngående kunnskap om grunnleggende data science konsepter
-
evaluere og vurdere problemstillinger og foreslå og utvikle datadrevne forretningsmodeller, strategier og løsninger
-
skape en felles forståelse som kan føre til mer effektiv kommunikasjon mellom ledelse, utviklere/teknisk og data science teams
Vilkår for å gå opp til eksamen
Godkjente obligatoriske innleveringer. Nærmere informasjon gis i Canvas.
Undervisnings- og læringsformer
Undervisningen blir gitt som 3 samlinger á 2 dager med forelesninger og fellesarbeider og oppfølging mellom samlingene. I forelesningene vil det bli lagt vekt på dialog mellom kursdeltakerne. Det legges opp til aktiv deltakelse fra studentene gjennom presentasjoner av artikler og eksempler fra praksis. En viktig del av emnet er arbeid med obligatoriske prosjektoppgaver, der studenter samarbeider. Totalt arbeidsomfang er 270 timer.
Studentevaluering
Emneevaluering gjennomføres som midtveisevaluering i tråd med kvalitetssikringssystemet kapittel 4.1., dersom ikke andre opplysninger gis ved semesterstart.
Tilgang for privatister
Nei
Tilbys som enkeltemne
Tilbys som videreutdanning.
Opptakskrav hvis tilbudt som enkeltemne
Bachelorgrad eller tilsvarende utdanning av minst 180 studiepoengs omfang og minst to års relevant yrkespraksis.
Eksamen
Mappeinnlevering der individuelle oppgaver teller 40% av karakteren og prosjektrapport i gruppe teller 60%. Gradert karakter A-F.
Annen informasjon
Fakultet for samfunnsvitenskap