• Kandidat- eller ingenjörsexamen (minst 180 hp), inom datavetenskap eller närliggande ämnen såsom matematik, informatik, telekommunikation, elektroteknik, fysik.
• Engelska 6 från svenskt gymnasium eller motsvarande
• Minst 15 hp inom programmering
• Minst 7,5 hp i matematik

Kursen ingår i programmet Tillämpad data science, masterprogram, och kan ingå i Masterexamen i datavetenskap (120 hp).

Kursen innehåller följande moment:

• Introduktion till data science
• Spridningsmått
• Betingad sannolikhet, Bayes sats
• Fördelningar av stokastiska variabler
• Centrala gränsvärdessatsen
• Konfidensintervall
• Hypotestest
• Regressionsanalys
• Programvara för dataanalys

Kunskap och förståelse
För godkänd kurs ska studenten kunna:

• Redogöra för sammanfattande mått för beskrivning av datamängder, såsom läges-, spridnings-och beroendemått
• Förklara grundläggande begrepp och lagar inom sannolikhetslära och inferensteori
• Beskriva grundläggande statistiska modeller som används inom data science

Färdighet och förmåga
För godkänd kurs ska studenten kunna:

• ställa upp lämpliga stokastiska modeller och använda dessa för beräkningar av sammanfattande mått och sannolikheter.
• välja passande metoder för att analysera insamlad datamängd från ett experiment eller nätverk.
• muntligt och skriftligt redogöra för och diskutera information, problem och lösningar i dialog med olika grupper.

Värderingsförmåga och förhållningssätt
För godkänd kurs ska studenten kunna:

• analysera och kritiskt granska dataanalyser för insamlad data i publicerade rapporter och artiklar.
• visa insikt om dataanalysens roll i det digitala samhället och om människornas ansvar för hur den används.

Föreläsningar, datorlaborationer och seminarier.

Kursen examineras genom:

• Skriftlig tentamen (3,5 hp, bedöms med A–F)
• Muntlig presentation på seminarier (2,0 hp, bedöms med UG)
• Laborationer (2,0 hp, bedöms med UG)

För godkänd A-E krävs att alla moment genomförts och blivit godkända.

Slutbetyg baseras på skriftlig tentamen.

• Fernandez-Granda, C. Probability and Statistics for Data Science, New York University, 2017
• Myers, W & Ye, W. Probability and statistics: for engineers and scientists. Prentice Hall, 2010.

Högskolan 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 högskolan. Högskolan sammanställer kursvärderingarna samt informerar om resultaten och eventuella beslut om åtgärder som föranleds av kursvärderingarna. Resultaten ska hållas tillgängliga för studenterna. (HF 1:14).

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

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.