Enkeltfag Engelsk 5 ECTS

Advanced Business Analytics

Overordnede kursusmål

Business Analytics (BA) handler om at udforske og analysere store mængder af data for at opnå indsigt i forhenværende forretningsresultater med henblik på at guide den fremtidige forretningsplanlægning. Dette kursus introducerer en mængde af avancerede datacentrerede metoder, som dækker over de tre specialiseringer i BA: Descriptiv (“hvad skete der?”), Predictive (“hvad vil ske?”), Og Prescriptive (“hvad skal ske?”). Metoderne vil blive anvendt på forskellige business cases med formålet om at demonstrere, hvordan man kan uddrage forretningsværdier fra data, levere datadrevet beslutningsstøtte sammen med effektive datastyringsprincipper. På dette kursus bruges avanceret machine learning-teknikker, af den grund er forståelsen af data science og machine learning påkrævet, samt der forventes et godt niveau af programmeringsfærdigheder.

See course description in English

Identificer forretningsmæssige og samfundsmæssige påvirkningsmuligheder relateret til effektiv dataudnyttelse
Opsummer de identificerende karakteristika ved avancerede Machine Learning til descriptive, predictive and prescriptive analytics
Vælg og anvend passende ML (regression, classification, reingorcement learning, clustering) og datastyringsværktøjer (f.eks. Pandas)
Udføre små ML eksperimenter og forstå de relaterede skaleringsprincipper
Levere datadrevet support til online forretning og markedsføring
Anvend en eller flere explainable AI-teknikker (f.eks. SHAP, Lime) i datadrevne beslutningsrådgivningssituationer
Forstå de tekniske principper og potentiale i fundamentmodeller (f.eks. LLM’er)
Kvantificere usikkerheder i prædiktiv modellering gennem quantile regression og heteroskedasticitetsmodel
Forstå og kunne forklare kausale vs korrelationelle sammenhænge mellem variable
Kunne give et klart og informativt resumé (executive summary) til datadrevne analyser og værktøjer, herunder indsigt til forretningsmæssige og kritiske spørgsmål

Klasserne undervises på en interaktiv måde, med teoretiske dele, kombineret med praktiske øvelser. De praktiske øvelser laves i Python.

Hovedemnerne afdækket i kurset omfatter web data mining; naturlig sprogbehandling; anbefalingssystemer; forklarende AI; dyb læring; forstærkende læring; rumlige-temporelle forudsigelsesmodeller; ensemble modeller; overlevelsesanalyse; forudsigende usikkerhed og kausalitet.

Forelæsninger, praktisk laboratorieundervisning og online undervisning, dvs self-læring med online materialer (fx med iPython notebook).