Grundlæggende Data Science (GDS)
Kursusindhold
Dette kursus gennemgår de forskellige komponenter der indgår i en komplet data science pipeline, fra indsamling, processering og oprensning af data, til implementation af statistiske modeller, og udforskning af data gennem visualisering. Kurset vil omhandle håndtering af data fra flere kilder, og der lægges vægt på fundamentelle udfordringer i data science, såsom bias i data, og hvordan dette kan påvirke beslutningstagning på baggrund og trænede modeller.
Fundamentals of Data Science (GDS)
Bacheloruddannelsen i datalogi
Bacheloruddannelse i Machine Learning og
Datavidenskab
Viden om
- 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
- 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
- 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
Forelæsninger, øvelser og projekt
Offentliggøres på kursets Absalon-side ved kursusstart.
Den studerende bør have grundlæggende viden om programmering,
algoritmer, lineær algebra, matematisk analyse og statistik. Denne
viden kan opnås via følgende kurser:
PoP
MASD og MAD eller MatIntro og SS
DMA eller IDMA (tidligere kaldet DMFS). IDMA kan følges sideløbende
i blok 3.
LinAlgDat (LinAlgDat kan følges sideløbende i blok
4)
Kurset erstatter de tidligere versioner af kurset Data Science (DS). Du kan altså ikke tage NDAB2300U Fundamental Data Science (GDS), hvis du allerede har bestået NDAB18000U Data Science (DS) eller NDAB21002U Data Science (DS).
- ECTS
- 7,5 ECTS
- Prøveform
-
Skriftlig aflevering, i løbet af kurset
- Prøveformsdetaljer
- Et gruppeprojekt, der afleveres i løbet af kurset, gruppeprojektet er en rapport med specificerede individuelle bidrag.
- Hjælpemidler
- Alle hjælpemidler tilladt
- Bedømmelsesform
- 7-trins skala
- Censurform
- Ingen ekstern censur
Flere interne bedømmere.
Kriterier for bedømmelse
Se målbeskrivelsen.
Enkeltfag dagtimer (tompladsordning)
- Kategori
- Timer
- Forelæsninger
- 36
- Forberedelse (anslået)
- 78
- Teoretiske øvelser
- 36
- Projektarbejde
- 56
- Total
- 206
Kursusinformation
- Undervisningssprog
- Dansk
- Kursusnummer
- NDAB23000U
- ECTS
- 7,5 ECTS
- Niveau
- Bachelor
- Varighed
-
1 blok
- Placering
- Blok 3
- Skemagruppe
-
A (tirs 8-12 + tors 8-17)
- Kapacitet
- Ingen begrænsning
Der kan være færre pladser i eftertilmeldingsperioden - Studienævn
- Studienævn for Matematik og Datalogi
Udbydende institut
- Datalogisk Institut
Udbydende fakultet
- Det Natur- og Biovidenskabelige Fakultet
Kursusansvarlig
- Desmond Elliott (2-71724d71763b78823b7178)
Are you BA- or KA-student?
Courseinformation of students