Viden om

• Indlæsning af struktureret tekst
  • Regulære udtryk og endelige automater
  • grammatiker og parsning
• Database
  • Centrale databasetekniske begreber så som den relationelle model, data-uafhængighed og transaktioner.
  • Entitets-relations-modellering (ER-modellering) og relationel datamodellering, herunder transformationer fra ER-modellering til relationel datamodellering.
  • Forespørgsler i database-forespørgselssprog, herunder både den relationelle algebra og SQL.
  • Teorien om database-normalisering, herunder funktionelle afhængigheder, nøgler og relationelle dekompositioner.
  • Indekseringsteknikker og deres rolle ved performance-forbedring af database-forespørgsler.
  • ACID (atomicity, consistency, isolation, durability) egenskaberne og brug af transaktioner.
• Data integration
  • Strategier for håndtering af heterogen data
  • Data oprensning, fejlhåndtering og manglende data
  • Ustruktureret til struktureret data
• Model design og implementation
  • Basale begreber i modellering
  • Struktureret model design
  • Model test strategier
• Data udforskning og visualisering
  • Eksplorativ data analyse
  • Nøglebegreber i visualisering

Færdigheder

• Skrive scripts til indsamling og processering af data, og indlæsning af struktureret tekst
• Opsætning af databasesystemer til at understøtte heterogen data
• Design af modulær pipeline til dataanalyse af et konkret problem
• Design af meningsfulde visualiseringer

Kompetencer

Den studerende forstår de centrale udfordringer i at designe et effektivt data science work-flow der understøtter data fra flere kilder og flere forskellige analyser. Den studerende

• kan bruge SQL forespørgsler til at lave meningsfulde opslag i en database
• kan løse basale dataintegrationsopgaver
• er i stand til at designe og forstå modulære data science pipelines
• kan producere meningsfulde visualiseringer af data
• kan klart og præcist dokumentere data science workflows, metoder og resultater