Hoppa till innehållet
datascience.jpg

Bättre affärer genom dataanalys

Publicerad: 4 mars 2021

Den här kursen ger dig förutsättningar att göra bättre affärer genom dataanalys. Business Intelligence (BI) – har växt från att vara ett stöd för ledningsbeslut till att bli ett verktyg för beslut på alla ledningsnivåer i framgångsrika medelstora och stora företag, och fungerar dessutom som ett viktigt stöd i den dagliga verksamheten.

Om kursen

Datavetenskap är ett av de hetaste begreppen i affärssammanhang under 2000-talet. Numera har företag såväl som offentliga verksamheter ett stort intresse för området. Datavetenskap är en kombinerad studie av olika ämnen tillsammans, däribland databaser, lagerhållning, dataarkitekturer, affärsanalys, datautvinning, big data och mer! Datavetenskap stödjer och kompletterar Business Intelligence.

Kursen är utformad för att ge deltagarna en blandning av teori och praktik. Grundläggande begrepp inom datavetenskap presenteras som grund, samt R-programmering som en av de viktigaste färdigheterna / verktygen som en datavetenskapare borde ha. Kursen ger också praktisk erfarenhet av att använda datavetenskapliga verktyg och tekniker.

Efter avslutad kurs kommer du att:

  • Kunna grunderna i datavetenskap
  • Vara förtrogen med att använda verktyg som till exempel R-programmering
  • Kunna tillämpa Business Intelligence

Målet för kursen är att ge dig en förståelse för de grundläggande begreppen, tekniken som används och de sammanhang där datavetenskap kan göra nytta. Du får dessutom lära dig hur du driver och hanterar ett ”big data”-projekt.

Upplägg

Kursen är uppdelar i två block på vardera tre dagar, med fallstudier mellan blocken.

Innehåll:

  • Begreppen dataanalys, dess motivation, definition, förhållandet mellan dataanalys och databassystem, statistik, maskininlärning och informationshämtning
  • Förstå och analysera kunskapsprocessen med betoning på KDD-processens iterativa och interaktiva karaktär
  • Analys av olika typer av data: relationellt, transaktionellt, objektrelationellt, spatiotemporal, text, webb
  • Analys av olika typer av kunskap som klassificering, regression, kluster, frekventa mönster, diskriminerande, outliers et cetera
  • Utvärdera kunskap: intresse eller kunskapskvalitet, inklusive noggrannhet, nytta och relevans
  • Dataanalys-applikationer: analys av marknad, energi, försäkring, sport och hälsa
  • Modellera och lösa problem med dataanalys med Rapid Miner [medlem i Gartners magiska datakvadrant, 2015]

 

 

 

För mer information kontakta:

Pernilla Tingvall

Pernilla Tingvall, Projektledare

Telefon: 0920-491920
Organisation: Samverkan och studentrekrytering, Verksamhetsstöd