Programplaner og emneplaner - Student
DATA3800 Introduction to Data Science with Scripting Course description
- Course name in Norwegian
- Introduction to Data Science with Scripting
- Study programme
-
Bachelor in Applied Computer TechnologyBachelor's Degree Programme in Software EngineeringBachelor's Degree Programme in Mathematical Modelling and Data ScienceBachelor's Degree Programme in Information Technology
- Weight
- 10.0 ECTS
- Year of study
- 2025/2026
- Curriculum
-
FALL 2025
- Schedule
- Programme description
- Course history
-
Introduction
Data is the new oil, powering industries, putting into motion trillion Euro companies and supporting governments to take decisions that affect the lives and the well fare of bilions of people around the world. But to do so, data must be refined, properly analized, and presented so relevant decision makers can make sense of it, and use it in a manner that delivers value to society. Data Science is the field of study that focus on collecting, organizing, cleaning, understanding, transforming, using and presenting data so it becomes useful.
In this course you are going to learn what is Data Science, and how do we approach problems in Data Science so it can contribute towards a sustainable future. We will briefly question some common ideas we may have about what science is and how we do scientific research. We will address what makes a research method suitable or not focusing on specific cases to learn from successes and disasters in the history of Data Science.
You will learn the methods, potentials and limits of Data Science as well as how to apply them to real world challenges using a scripting language (Python, Matlab or R). The course is designed to provide a solid theoretical introduction to the subject and build the foundational skill through hands-on experience. To achieve that, you will use open data-sources to develop a data science project from data-collection to insight presentation.
Recommended preliminary courses
Del 1 og del 2: Alle besvarelser vurderes av én sensor. Ekstern sensor benyttes regelmessig, og minimum ved hver tredje gjennomføring av emnet. Ved uttrekk av besvarelser til ekstern sensur skal uttrekket omfatte minimum 10 prosent av besvarelsene, men uansett ikke færre enn 5 besvarelser. Ved uttrekk skal ekstern sensors vurdering komme alle studentene til gode.
Learning outcomes
Emnet omhandler kvantitative og kvalitative forskningsmetoder som er relevante innen ortopediingeniørfaget. Studentene lærer om forskningsdesign, datainnsamling, dataanalyse og forskningsetikk. Temaene reliabilitet, begreps-, intern- og eksternvaliditet som grunnlag for kritisk lesning av forskningsartikler og andre kilder blir vektlagt. Disse temaene videreføres i etterfølgende emner og skal gi studenten et grunnlag for arbeidet med bacheloroppgaven i slutten av studiet.
Teaching and learning methods
Studenten må ha bestått første studieår eller tilsvarende, med unntak for emnet ORI1050.
Course requirements
Etter fullført emne har studenten følgende læringsutbytte definert i kunnskap, ferdigheter og generell kompetanse:
Kunnskap
Studenten
- kan gjøre rede for grunnleggende vitenskapsteoretiske begreper
- kan gjøre rede for ulike typer forskningsdesign
- har kunnskap om bruk av systematisk litteraturgjennomgang, og relevant kvantitativ forskningsmetode (RCT, repeterte målinger, cross- sectional etc)
- kan gjøre rede for intervju som en kvalitativ forskningsmetode og metodologi innenfor kvalitativ forskning
- kan gjøre rede for hypotesetesting, troverdighet, reliabilitet, validitet, normalfordeling, p-verdi, og sannsynlighetsberegning
- kan beskrive univariate- og bivariate statistiske metoder
Ferdigheter
Studenten kan
- samle inn og analysere kvantitative enkeltdata, både deskriptivt- og inferensiell, fra spørreskjema/eksperimenter/statistikk
- samle inn og analysere kvalitative enkeltdata
- reflektere over innhenting og analysering av enkeltdata
- presentere analyseresultater
Generell kompetanse
Studenten kan
- identifisere mulige forskningsetiske problemstillinger i forskningsartikler
Assessment
For å fremstille seg til eksamen må følgende være godkjent:
- minimum 80 % tilstedeværelse på seminarer, litteratursøk, datalab og gruppearbeid.
Permitted exam materials and equipment
Mappevurdering:
Del 1) Individuell skriftlig oppgave, 750 ord (+/- 10 %)
Del 2) Gruppeoppgave: En skriftlig oppgave i gruppe på 2-3 studenter. Omfang 2500 ord (+/- 10 %).
Vekting: Det gis en samlet karakter på mappen. Ved karakterfastsetting teller begge oppgavene i mappen likt, men dersom èn av oppgavene blir vurdert til F blir også samlet karakter F
Ny eksamen: Studenten(e) har anledning til å omarbeide oppgaven(e) i mappen som har fått F èn gang.
Grading scale
Alle hjelpemidler er tillatt så lenge regler for kildehenvisning følges.
Examiners
Del 1 og del 2: Gradert skala A-F.
Overlapping courses
- 5 studiepoeng overlapp med ORTO2300 Vitenskapsteori og forskningsmetode innenfor ortopediingeniørfag.