Big Data Analytics A1N
Kurs, Avancerad nivå,
3 hp,
IT793A
Anmälan
Välj ett tillfälle för att visa kursplan och behörighetskrav.
Höst 2022, Plats: Flexibel, Takt: 20%
Anmälan
Ange kod HS-26431 på antagning.se
Kursplan med litteraturlista
När? Var? Hur?
Pågår: 31 oktober 2022 - 15 januari 2023
Plats: Flexibel, Distans, Flexibel tid
Takt: 20%
Kursen genomförs utan obligatoriska träffar på campus. Undervisningen stöds av informations- och kommunikationssystem. Kursmaterial är tillgängligt via lärplattformen i Studentportalen.
Behörighet
För att vara behörig till kursen krävs 60 hp inom informationsteknologi, produktutveckling, produktionsteknik, automationsteknik eller maskinteknik (eller motsvarande). Vidare krävs godkänt betyg i Engelska 6 (eller motsvarande kunskaper). Motsvarande kunskaper visas normalt genom ett internationellt erkänt språktest, till exempel IELTS eller TOEFL.
Om akademiska meriter saknas, går det att ansöka om att bli bedömd på reell kompetens.
Urval
Avklarade högskolepoäng.
Språk
Undervisningen ges på engelska.
Big data analytics – vad är det och varför är det viktigt? Big data analytics undersöker stora mängder data för att hitta mönster eller korrelationer. Genom att använda den nyfunna datan kan prediktiva modeller tas fram och mer tillförlitliga prognoser genereras. Prognoser som leder till att företag kan fatta bättre beslut och förbereda sig för framtida utmaningar. Sök den här kursen i Big data anaytics om du vill komma igång med prediktiv modellering och lära dig förutse förändringar!
Att förutse, prediktera är centralt för beslutsfattande, men ofta tas inte hänsyn till det faktiska problemet. Genom att byta från en deskriptiv till en prediktiv kontext förändras förutsättningarna för både metod- och modelleringsaspekter. Den här kursen handlar om att ge dig en djupare förståelse för skillnaderna, introducera de centrala modelleringsfamiljerna, samt detaljerna kring prediktiv experimentell design.
Prediktiv modellering ska stödja användaren
Under kursen kommer vi diskutera aspekterna osäkerhet, predicerbarhet, och orsaksförhållanden, för att bygga en bättre förståelse för hur de påverkar modellering och analys. Under kursens gång kommer det bli tydligt att prediktiv modellering handlar om att stödja användare och beslutsfattare, och inte för att enbart skapa prediktioner.
Att förutse är att ligga steget före
Mer specifikt kommer vi i kursen att fokusera på prediktiv modellering: dataanalys och utforskning för prognosmodellering, extrapolativa prognosmodeller, kausala prediktiva modeller, användning av domänexpertis och omdöme i datadrivna prediktioner, samt utvärdering av modeller och prediktioner.
Efter avslutad kurs kan du
- redogöra för prediktiva modelleringsprinciper,
- tillhandahålla stöd för verkligt beslutsfattande och lösa prediktiva problem med hjälp av olika modellfamiljer,
- designa och utföra giltiga experiment i en prediktiv miljö,
- kvantifiera förutsägelse- och modelleringsosäkerheter och kartlägga hur dessa ansluter till stödjande användare,
- modellera gränserna för förutsägbarhet och kausalitet och hur dessa kan uppskattas, samt reflektera över hur dessa modeller och metoder kan användas i den egna organisationen.
Vem är kursen för?
Denna kurs inriktar sig till dig som yrkesverksam och som vill få en bättre förståelse för hur Big data analytics och prediktiva modeller kan hjälpa företag fatta bättre beslut.
Behörighet
Om du inte uppfyller de formella behörighetskraven kan du få din behörighet bedömd på reell kompetens, kunskap och kompetens som du har fått på annat sätt, såsom arbetslivserfarenhet, övriga studier m.m. Läs mer under his.se/sokwiser
Utvecklad inom WISER
Kursen är utvecklad inom projektet WISER. Vi erbjuder skräddarsydda kurser för digital transformation och riktar sig till dig som är yrkesverksam. Projektet samfinansieras av KK-stiftelsen inom ramen för Expertkompetens. För mer information besök: his.se/wiser