Behörighetskrav

• CD101A Imperativ programmering (7,5 hp)
• CD102A Objektorienterad programmering (7,5 hp)
• CM152A Matematisk statistik (7,5 hp)
• 3 hp i kursen CM660E Matematisk statistik för data science (7,5 hp)

Fördjupningsnivå i förhållande till examensfordringarna

Kursen ingår i examensfordringarna för Civilingenjörsexamen Datateknik (specialisering Tillämpad data science).

Innehåll

Kursen syftar till att studenten ska kunna kritiskt bearbeta insamlade data med hjälp av grafisk visualisering och olika analytiska metoder, samt kommunicera resultat från insamlade data på ett lättförståeligt sätt.

Kursen innehåller följande moment:

• organisering av data
• dimensionsreducering
• dolda mönster och kluster
• plot-teknik och kartläggning för visualisering av fördelningar, för relationer mellan variabler, visualisering av kategoriska variabler.
• databaserat berättande: inflytande, teknik och etik.

Lärandemål

Kunskap och förståelse

Efter avslutad kurs skall studenten kunna:

1. förklara analytiska metoder för att hantera stora datamängder,

2. redogöra för plot-tekniker för visualisering, och

3. förklara grundläggande teknik för databaserat berättande,

Färdighet och förmåga

Efter avslutad kurs skall studenten kunna:

4. urskilja och klargöra etiska principer för förmedling av digital information i samhället.

5. redovisa fritt tänkande kring insamlade data för att förstå deras naturliga innehåll,

6. hitta samband i data genom att tillämpa och laborera med olika tekniker,

7. muntligt och skriftligt redogöra för och diskutera information och kunskaper som dataanalys tillför, anpassad för olika slags intressenter, och

8. kommunicera effektivt och lättförståeligt med det omgivande samhället med berättande som verktyg.

Värderingsförmåga och förhållningssätt

Efter avslutad kurs skall studenten kunna:

9. identifiera sitt behov av ytterligare kunskap och att ta ansvar för sin kunskapsutveckling.

Arbetsformer

Föreläsningar, datorlaborationer, seminarier och självstudier.

Bedömningsformer

För godkänt betyg krävs

• godkända inlämningsuppgifter (3,5 hp, UA) (Lärandemål 1-4, 9)
• godkänd muntlig presentation på seminarier (2 hp, UG) (Lärandemål 7, 8)
• godkända laborationer (2 hp, UG) (Lärandemål 5, 6)

För samtliga bedömningar ska underlaget vara sådant att individuella prestationer kan särskiljas.

Slutbetyget motsvaras av betyget på inlämningsuppgifterna.

Kurslitteratur

• Martinez, W. L., Martines, A. R. & Solka, J. (2017) Exploratory Data Analysis with MATLAB (3rd edition), Chapman & Hall.
• Peng, R. D. (2015) Exploratory Data Analysis with R, Lulu.com.
• Riche, N.H, Hurter, C., Diakopoulos, N. & Carpendale, S. (2018) Data-driven storytelling, CRC Press.
• Tukey, J. W. (1977) Exploratory Data analysis, Addison-Wesley.

Kursvärdering

Malmö universitet ger studenter som deltar i eller har avslutat en kurs en möjlighet att framföra sina erfarenheter av och synpunkter på kursen genom en kursvärdering som anordnas av lärosätet. Universitetet sammanställer kursvärderingarna samt informerar om resultaten och eventuella beslut om åtgärder som föranleds av kursvärderingarna. Resultaten ska hållas tillgängliga för studenterna. (HF 1:14).

Övergångsbestämmelser

Om en kurs har upphört att ges eller har genomgått större förändringar ska studenterna, under ett år efter det att förändringen har skett, erbjudas två tillfällen för omprov baserade på den kursplan som gällde vid registreringen.

Övrigt

Om en student har beslut om riktat pedagogiskt stöd, har examinator rätt att ge ett anpassat prov eller låta studenten genomföra prov på ett alternativt sätt.