Data mining and business analytics, 15 högskolepoäng

Data Mining and Business Analytics, 15 Credits

Mål

Kursens övergripande mål är att ge de studerande grundläggande kunskaper inom matematisk analys, regressionsanalys av tvärsnittsdata, analys och hantering av olika datatyper, samt tillämpningar inom området business analytics. Kursen delas upp i tre delkurser: Inledande matematik för statistiker II, Regressionsanalys, Data mining och business analytics.

Inledande matematik för statistiker II

Efter avslutad kurs ska den studerande kunna

• använda lämplig metod för att lösa problem inom kursens ram, och
• redovisa sina lösningar tydligt och kärnfullt.

Regressionsanalys

Efter genomgången kurs skall studenten ha

• förståelse för grundläggande begrepp inom regressionsanalys
• grundläggande kunskap om enkla och multipla regressionsmodeller
• grundläggande förmåga att tillämpa kunskaperna i en praktisk situation
• grundläggande förmåga att kritiskt granska och utvärdera regressionsmodeller för att på bästa sätt kunna välja modelleringsansats.

Data mining och business analytics

Efter genomgången kurs skall studenten ha

• förståelse för explorativ dataanalys och moderna visualiseringsmetoder
• grundläggande kunskap om hantering av olika typer av data
• förmåga att välja lämplig visualiseringsmetod för olika problemställningar
• förmåga att utvärdera kvalitéten i insamlade data och göra strategiska affärsbeslut.

Innehåll

Inledande matematik för statistiker II, 3 högskolepoäng

Derivata med tillämpningar på enklare optimeringsproblem. Beräkning av bestämda och generaliserade integraler. Enklare geometriska och statistiska tillämpningar av integraler. Partiell derivata och lokal optimering.

Regressionsanalys, 6 högskolepoäng

Grundläggande begrepp inom regressionsanalys såsom modell, responsvariabel, prediktor, störningsterm, residual, heteroskedasticitet.
Enkel- och multipel linjär regression: linjära- och ickelinjära modeller, minsta-kvadrat-metoden, estimatorers egenskaper och inferensaspekter samt modellutvärdering.

Data mining och business analytics, 6 högskolepoäng

Hantering av olika typer av datamängder. Metoder för dataanalys, till exempel visualisering, klassificering, prediktion och klusteranalys. Framtagande av dataunderlag för strategiska affärsbeslut.

Examinationer och betyg

Inledande matematik för statistiker II

Skriftlig tentamen, 3 högskolepoäng (Provkod: A001)
Som betyg används Underkänd (U), Godkänd (G) eller Väl godkänd (VG).

Regressionsanalys

Skriftlig tentamen, 6 högskolepoäng (Provkod: B001)
Som betyg används Underkänd (U), Godkänd (G) eller Väl godkänd (VG).

Data mining och business analytics

Projekt, 6 högskolepoäng (Provkod: C001)
Som betyg används Underkänd (U), Godkänd (G) eller Väl godkänd (VG).

Enligt 6 kap. 18 § högskoleförordningen ska betyg sättas på en genomgången kurs om inte universitetet föreskriver något annat. Universitetet får föreskriva vilket betygssystem som ska användas. Betyget ska beslutas av en av universitetet särskilt utsedd lärare (examinator).

Enligt universitetets föreskrifter om betygssystem för utbildning på grundnivå och avancerad nivå (beslut ORU 2018/00929) ska något av uttrycken underkänd, godkänd eller väl godkänd användas som betyg. För utbildning som ingår i en internationell magister- eller masterutbildning eller i universitetets kursutbud för utbytesstudenter ska betygsskalan A-F användas. Rektor, eller den rektorn bestämmer, får besluta om undantag från denna bestämmelse för en viss kurs om det finns särskilda skäl.

Som betyg på kursen används Underkänd (U), Godkänd (G) eller Väl godkänd (VG).

Kommentar till betyg

Betyget G på samtliga delkurser krävs för slutbetyget G. För slutbetyg VG krävs VG på minst två av de tre delkurserna.

Examinationsformer

Inledande matematik för statistiker II
Skriftlig tentamen, 3 högskolepoäng (Provkod: A001)

Regressionsanalys
Skriftlig tentamen, 6 högskolepoäng (Provkod: B001)

Data mining och business analytics
Projekt, 6 högskolepoäng (Provkod: C001)

För studenter med dokumenterad funktionsnedsättning kan universitetet besluta om anpassning av examination eller annan examinationsform.

För ytterligare information se universitetets regler för examination inom utbildning på grundnivå och avancerad nivå.

Särskild behörighet och andra villkor

Grundläggande statistik, 15 högskolepoäng.

För ytterligare information se universitetets antagningsordning.

Övriga föreskrifter

Den som antagits till och registrerats på en kurs har rätt att erhålla undervisning och/eller handledning under den tid som angavs för kurstillfället som den sökande blivit antagen till (se universitetets antagningsordning). Därefter upphör rätten till undervisning och/eller handledning.

Litteratur och övriga lärresurser

Inledande matematik för statistiker II, 3 högskolepoäng

Obligatorisk litteratur

Månsson, Jonas (senaste upplagan)
Grundläggande matematik för samhällsvetare och ekonomer
Studentlitteratur, ca 100 sidor

Tillägg och kommentarer till litteraturlistan
Utdelat material publicerat på Blackboard tillkommer.

Regressionsanalys, 6 högskolepoäng

Obligatorisk litteratur

Stock, James H. & Mark W. Watson, (senaste upplagan)
Introduction to Econometrics
Pearson Education

Data mining och business analytics, 6 högskolepoäng

Obligatorisk litteratur

Stock, James H. & Mark W. Watson, (senaste upplagan)
Introduction to Econometrics
Pearson Education

Healy, K.J., (senaste upplagan)
Data Visualization: A Practical Introduction
Princeton University Press