IS-915 Data Science som strategisk verktøy

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