SAS og AI i praksis
Kursusindhold
Kurset dækker avancerede programmeringsmuligheder i SAS, herunder brug af datastep, konvertering af datasæt fra andre formater og håndtering af formatbiblioteker. Specielle emner, der inkluderer håndtering af tekstvariabler, do-løkker, arrays og SAS-makroer, anvendt til fx Monte Carlo og bootstrap-analyser, gennemgås.
Integration med programmeringssproget SQL og open
source-værktøjer (som Python, R, etc.) udforskes for at udnytte
styrkerne fra forskellige teknologier. Her vil udvikling og
implementering af machine learning-modeller, fx beslutningstræer
også blive belyst. Anvendelsen af generativ AI i SAS undersøges,
med fokus på simple prompts til generering af SAS-kode og
fortolkning af resultater af den statistiske analyse. Den
analytiske livscyklus (databearbejdning, analyse og formidling af
resultater) behandles som et eksempel på virksomhedspraksis, med
fokus på anvendelse af forskellige SAS-applikationer og den
underliggende SAS-kode.
Practical SAS and AI
Kurset er en revision af kurset "Programmering og
statistik med SAS" og overlapper ca. 50% med dette kursus.
Det er ikke muligt at tage begge kurser.
Bacheloruddannelsen
i økonomi - valgfag fra 4. semester
Kandidatuddannelsen
i økonomi - valgfag
Kurset er også åbent for studerende på:
- Kandidatstuderende fra Social Data Science
- Kandidatstuderende fra Statskundskab
Studerende tilmelder sig kurset via selvbetjeningen.
Kurset er desuden åbent for:
- Studerende fra danske universiteter
- Studerende fra Åbent Universitet
Efter endt kursus forventes den studerende at kunne:
Viden:
- Beskrive og forstå databasestrukturen i SAS
- Forklare de mange muligheder for datatilrettelæggelse med SAS
- Beskrive opbygningen af SAS-procedurer
- Forstå komplekse SAS-programmer
- Forstå integrationen mellem SAS og open source-værktøjer
- Beskrive anvendelsen af generativ AI til SAS-kode
Færdigheder:
- Udføre praktisk databehandling i SAS med henblik på at tilrettelægge data til efterfølgende statistiske og økonometriske analyser.
- Anvende SAS procedurer
- Fremskaffe information fra generativ AI samt SAS's hjælpefaciliteter for hurtigt at anvende ukendte SAS-procedurer til statistiske analyser
- Integrere open source-værktøjer med SAS til (statistiske) analyser
Kompetencer:
- Fremskaffe statistiske resultater ved hjælp af ukendte SAS-procedurer
- Generere og forstå statistiske modeller og machine learning-modeller i SAS
- Effektivt anvende SAS sammen med generativ AI
Ved forelæsningerne gennemgås metoderne ved online SAS-sessioner. Under forelæsningerne regnes en del øvelsesopgaver, hvor studerende afprøver SAS.
Forelæsningsnoter i form af udleverede SAS-programmer samt online-SAS manualen.
Kurset "Sandsynlighedsregning og Statistik" og
Økonometri I, hvor Økonometri I som minimum bør følges sideløbende
med "SAS og AI i praksis"
For deltagere fra andre studier kræves et introducerende
statistikkursus.
Forhåndskendskab til SAS er ikke en forudsætning.
Lektionsplan:
3 timers forelæsninger pr uge fra uge 6 til 20.
Tid og sted:
Tidspunkt og lokale kan ses ved at trykke på linket under "Se
skema" i højre side.
Feedback gives mundtligt under forelæsningerne ved at gennemgå de øvelsesopgaver, som studerende arbejder selvstændigt med i undervisningen.
- Fuldtidsstuderende: Tilmeld dig via selvbetjeningen på KUnet.
- Meritstuderende fra danske universiteter: Tilmeld dig via denne hjemmeside.
- Åbent Universitet-studerende: Tilmeld dig via denne
hjemmeside.
Ved tilmelding til undervisning bliver du automatisk tilmeldt eksamen.
Eksamensdatoerne findes her: Eksamener – Det Samfundsvidenskabelige Fakultet - Københavns Universitet
Vær opmærksom på, at det er dit eget ansvar at tjekke for eksamenssammenfald.
- ECTS
- 7,5 ECTS
- Prøveform
-
Skriftlig aflevering, 3,5 timer
- Prøveformsdetaljer
- Individuel bunden hjemmeopgave.
- Krav til indstilling til eksamen
-
Der er ingen forudsætningskrav, den studerende skal opfylde gennem undervisningen for at kunne deltage i eksamen.
- Hjælpemidler
- Alle hjælpemidler tilladt
Brug af AI-værktøjer er tilladt. Du skal forklare, hvordan du har brugt værktøjerne. Når tekst udelukkende eller primært er genereret af et AI værktøj, skal værktøjet citeres som en kilde.
- Bedømmelsesform
- 7-trins skala
- Censurform
- Ingen ekstern censur
Faget kan ved stikprøvekontrol udtages til ekstern censur.
- Eksamensperiode
-
Eksamensoplysninger:
Eksamensdatoerne findes her: Eksamener – Det Samfundsvidenskabelige Fakultet - Københavns Universitet
Flere informationer oplyses i Digital Eksamen midt i semesteret.
- Reeksamen
-
Samme som ordinær eksamen.
Kriterier for bedømmelse
Bedømmelseskriterierne er baseret på indholdet i målbeskrivelsen.
For at opnå den højeste karakter "12" skal den studerende med en fremragende præsentation og med ingen eller få uvæsentlige mangler, demonstrere at han/hun lever op til fagets målbeskrivelse og de opstillede punkter for viden, færdigheder og kompetencer.
For at opnå karakteren ”02” skal den studerende med en tilstrækkelig præstation, demonstrere minimalt acceptable grad af opfyldelse af fagets målbeskrivelse og de opstillede punkter for viden, færdigheder og kompetencer.
Enkeltfag dagtimer (tompladsordning)
- Kategori
- Timer
- Forelæsninger
- 42
- Forberedelse (anslået)
- 160,5
- Eksamen
- 3,5
- Total
- 206,0
Kursusinformation
- Undervisningssprog
- Dansk
- Kursusnummer
- AØKA08246U
- ECTS
- 7,5 ECTS
- Niveau
- Kandidat
Bachelor
- Varighed
-
1 semester
- Placering
- Forår
- Pris
-
Information om priser m.m. for enkelfag og efteruddannelse se Uddannelse på Økonomisk Institut
- Skemagruppe
-
Info om tid og sted:
- Om undervisning: Se "Bemærkninger"
- Om eksamen: Se "Eksamen" - Studienævn
- Økonomisk Studienævn
Udbydende institut
- Økonomisk Institut
- Institut for Statskundskab
- Social Data Science
Udbydende fakultet
- Det Samfundsvidenskabelige Fakultet
Kursusansvarlige
- Anders Milhøj (13-49766c6d7a7b36557174707772486d6b777636737d366c73)
- Sara Armandi (6-776e7337373443646f7870716c316e7831676e)
Underviser
Se "Kursusansvarlige"
Læs forhold vedr. undervisning under "Bemærkninger".
Are you BA- or KA-student?
Courseinformation of students