Enkeltfag Engelsk 5 ECTS

Introduktion til Business Analytics

Overordnede kursusmål

Business Analytics handler om at udforske og analysere data for at få indsigt i tidligere forretningsresultater med henblik på at styre den fremtidige forretningsplanlægning.

Dette kursus introducerer den portefølje af datavidenskabelige opgaver og teknikker, der er nødvendige for at udforske, manipulere, visualisere og analysere data (deskriptiv analyse) samt for at opbygge forudsigelsesmodeller ved hjælp af maskinlæring (prædiktiv analyse), der kan bruges til at opnå indsigt og støtte beslutninger (præskriptiv analyse). Den er udviklet med henblik på studerende inden for Business Analytics (dvs. en vis Python programmeringsbaggrund), især – men ikke udelukkende – studerende med relation til studier inden for mobilitet og logistik og virksomhedsanalyse. Derfor indeholder den en stærk praktisk komponent med specifikke cases fra den virkelige verden fra mobilitets- og forretningssammenhænge.

Kurset omfatter også en introduktion til databehandling, problemformulering og den grundlæggende pakke af maskinlæringsalgoritmer.

See course description in English

Kør Python-scripts, der indlæser og analyserer små/mediumstore datasæt
Konverter et rå datasæt til en form, der kan bruges til at løse et konkret problem
Anvende grundlæggende datastrukturer og algoritmer til at manipulere data
Sammenholde tilgængelige problemer og data i en mobilitets-/forretningsanalytisk kontekst med teknikker til at løse dem
Udtrække og analysere indsigt fra anvendelsen af metoder til beskrivende og prædiktive analyser
Visualisere og dekonstruere komplekse tidsmæssige og rumlige mønstre
Kritisk at vurdere resultaterne af en datavidenskabelig analyse og anbefale foranstaltninger ud fra et operationelt synspunkt
Træning og afprøvning af en statistisk model til at besvare et problem på passende vis
Forklare vigtige data mining-begreber som f.eks. overfitting, bias, regularisering osv.

Undervisningen foregår på en interaktiv måde med teoretiske dele, der blandes med praksis med Jupyter Notebooks.

Hovedemnerne er: datavisualisering, prognose- og regressionsmodeller, klassifikation, clustering, dimensionalitetsreduktion og tidsserieanalyse. Metoderne vil blive eksemplificeret gennem forskellige cases inden for f.eks. transport, ledelse og markedsføring.

Introduktion til Python-programmering og Pandas som supplerende materiale (krav til kurset/selvstudium)

02402/02403/02105, Indledende kurser i statistik er meget vigtige.

Forelæsninger og praktiske laboratorier (f.eks. med iPython notesbog).