Bu­si­ness In­tel­li­gen­ce II

Course content

Behandling af store datamaterialer (Big Data), identificering af komplekse underliggende datasammenhænge (Deep Learning) og intelligent og effektiv udnyttelse af data (Business Intelligence) er nøglebegreber i fremtidens informationsdrevne samfund.

Faget Business Intelligence II omhandler anvendelse af Machine Learning til analyse af erhvervs- og samfundsøkonomiske problemstillinger med fokus på netop Big Data, Deep Learning og Business Intelligence. Formålet med faget er opnå indsigt i, hvorledes statistisk-funderede computeralgoritmer (Machine Learning) kan bruges til at udlede sammenhænge i datamaterialer, som ikke umiddelbart er mulige at se med det menneskelige øje.

Faget introducerer grundlæggende begreber og metoder indenfor Machine Learning med fokus på at opnå praktiske færdigheder i anvendelsen af de gennemgåede teknikker. Faget anvender softwareprogrammet R til de praktiske beregninger. Det matematiske fundament for metoderne er ikke et selvstændigt emne i undervisningen og faget kræver ikke forudgående programmeringserfaring.

Gennemgangen af den relevante teori er eksempelbaseret og tager udgangspunkt i konkrete datamaterialer. Igennem faget vil den studerende udvikle viden, færdigheder og kompetencer til at kunne gennemføre en konkret Machine Learning-analyse, herunder forstå og fortolke analysens resultater. Derudover er forståelse af modellernes muligheder og begrænsninger centrale emner i faget.

I faget behandles følgende modeller:

logistisk regression

• regulariseret- og splinebaseret regression
• k-nearest neighbor

• decision trees

• random forests

• neural networks

• support vector machines