INF: Open data Science

Kursusindhold

Kurset i Open Data Science vil introducere til ”åbne” værktøjer og metoder til behandling og visualisering af datatyper såsom strukturerede data, tekst data og temporale data.

Dette inkluderer introduktion til sproget Python og anvendelsen af Python til dataanalyse herunder text mining og sentiment analysis. Kurset vil i høj grad inkludere hands-on cases hvor de studerende arbejder med relevante datasæt. Kurset vil ligeledes introducere principperne bag FAIR – data herunder etiske problemstillinger ved arbejdet med open data

______________

The course in Open Data Science will introduce "open" tools and methods for processing and visualizing data types such as structured data, text data, and temporal data. 

This includes an introduction to the Python programming language and its use in data analysis, including text mining and sentiment analysis. The course will heavily feature hands-on cases where students work with relevant datasets. It will also introduce the principles behind FAIR data, including ethical issues related to working with open data.

Engelsk titel

Open data Science

Uddannelse

Fagstudieordning for , BA-TV på institut for informationsstudier STO 19

Fagstudieordning for bacheloruddannelsen i informationsstudier, 2019 (ku.dk)

 

Målbeskrivelse

Ved prøven kan den studerende demonstrere:


Viden om og forståelse af

  • muligheder og udfordringer i relation til at arbejde med store datamængder.
  • etiske forhold angående dataerhvervelse, -lagring, -aggregering, dataudgivelse og -anvendelse.

 

Færdigheder i at

  • anvende teorier og begreber til at definere og analysere problemstillinger vedrørende store datamængder.
  • udvikle løsninger til genfinding og sortering i/af strukturerede og ustrukturerede data.
  • bearbejde og repræsentere data visuelt.

 

Kompetencer i at

  • planlægge og udføre analyseopgaver i forskellige typer data og informationssystemer.
  • teoretisk velbegrundet kunne analysere og diskutere problemstillinger vedrørende store datamængder.

Holdundervisning, mundtlig oplæg, opgaveløsning, praktiske øvelser. Noget af undervisningen vil ske på Engelsk

Eksempler på litteratur som tænkes anvendt på kurset:

  • Hackling, G. (2014) Mastering Machine Learning With scikit-learn. Birmingham: Packt Publishing
  • Ignatow, G. & Mihalcea, R. (2018) An Introduction to Text Mining : Research Design, Data Collection, and Analysis.Los Angeles, CA. Sage
  • McKinny, W. (2017) Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. 2nd Ed. Sebastopol, CA: O’Reilly
  • The Programming Historian. Available from https://programminghistorian.org/
Mundtlig
Kollektiv
Løbende feedback i undervisningsforløbet
Peerfeedback (studerende giver hinanden feedback)
ECTS
15 ECTS
Prøveform
Portfolio
Prøveformsdetaljer
Eksaminationssprog: Dansk eller Engelsk
Omfang: 16-20 normalsider
Se nærmere detaljer under kursusbeskrivelsen i Fagstudieordning for BA-TV
Hjælpemidler
Alle hjælpemidler tilladt

Enhver anvendelse af generativ AI (til fx til idegenerering, opsummering, redigering, visualisering eller beskrivelse af forskningsobjektet m.m.)

i forbindelse med udarbejdelse af materiale til eksamen skal ske i overensstemmelse med god akademisk praksis se mere her: https://kunet.ku.dk/arbejdsomraader/undervisning/digital-laering/ai-og-chatgpt/tilladelse-eller-forbud---stoette-til-beslutning/AI-deklaration/Sider/default.aspx

og deklareres ved hjælp af HUM-skabelonen til deklarering af anvendelse af generativ AI – se her:

https://kunet.ku.dk/arbejdsomraader/undervisning/digital-laering/ai-og-chatgpt/ai-og-eksamen/gai-deklaration---studerende-p%C3%A5-hum/Sider/default.aspx

 

Bedømmelsesform
7-trins skala
Censurform
Ingen ekstern censur
Eksamensperiode

se   Eksamensoversigt under ”find tid og sted”. Oversigten offentliggøres før semesterstart.

Reeksamen

Samme som den ordinære prøve

  • Kategori
  • Timer
  • Holdundervisning
  • 84
  • Forberedelse (anslået)
  • 325,5
  • Total
  • 409,5

Kursusinformation

Undervisningssprog
Engelsk
Kursusnummer
HIVB10078U
ECTS
15 ECTS
Niveau
Bachelor
Bachelor tilvalg
Varighed

1 semester

Placering
Efterår
Skemagruppe
Se skema under kursusbeskrivelsen.
Kapacitet
25 deltagere
Studienævn
Studienævn for Kommunikation
Udbydende institut
  • Institut for Kommunikation
Udbydende fakultet
  • Det Humanistiske Fakultet
Kursusansvarlige
  • Haakon Lund   (2-6c70446c7971326f7932686f)
  • Frans van der Sluis   (5-4d7968757a476f7c7435727c356b72)
Gemt den 13-05-2025

Er du BA- eller KA-studerende?

Er du bachelor- eller kandidat-studerende, så find dette kursus i kursusbasen for studerende:

Kursusinformation for indskrevne studerende