BUS255 Introduksjon til dataanalyse i R

Kunnskap:

• Forstå egenskapene til rådatastrukturer og deres implikasjoner for bruk av analyseteknikker
• Kjenne til de vanligste databasestrukturene og forstå deres implikasjoner for datahåndtering og datauttrekk
• Kjenne til standardteknikker for datatilrettelegging, datatransformasjoner og datautforskning
• Forstå hvordan valg som foretas før analyse, e.g., aggregering og fjerning av observasjoner, påvirker både analyse og tolkning av resultater.
• Forstå hvilke kompromisser som kan være nødvendig i dataanalyseprosessen når man går fra rådata til diskusjon og presentasjon av resultater og hvordan disse kompromissene kan påvirke og føre til skjevhet i resultatene.
• Forstå hvordan programmering kan automatiskere dataanalyseoppgaver, redusere risikoen for feil og øke graden av reproduserbare resultater

Ferdigheter:

• Ha grunnleggende ferdigheter i R og R Studio
• Kunne lese inn data fra ulike datakilder og filformater, e.g., SQL databaser, Excel, XML datastrømmer
• Kunne jobbe med utfordrende rådata og klargjøre disse for analyse
• Kunne utføre grunnleggende former for «feature engineering» som variabelutvelgelse, transformasjoner av data og dataaggregering.
• Kunne lage informative tabeller og visualiseringer av data og analyseresultater
• Kunne lage reproduserbare presentasjoner og rapporter i Quarto

Generell kompetanse:

• Kunne effektivt kommunisere resultatene av dataanalyse ved hjelp av tekst, tabeller og visualiseringer
• Kunne bygge logiske argumenter og begrunne data- og analysevalg
• Kunne stille tekniske spørsmål på en slik måte at andre kan komme inn for å hjelpe til med løsningen

• Lectures as pre-recorded videos, approx. 18 hours
• Exercises - either on campus or digitally, 2 hours per week in the semester, about 26 hours. It is possible to participate in several exercises per week if desired

Room for three exercises in a computer room for two hours per week in the parallel. Each group will be 35 to 40 students.

In addition, a digital exercise group of two hours per week should be added to Time Edit

A FAQ is prepared that is available on Canvas. Online forums such as "Stack Overflow" can be used to learn from existing questions and answers, and to ask questions in a way that others can help.

Weekly automatically marked problem sets to help students review the material are available on Canvas.

R for Data Science by Hadley Wickham & Garrett Grolemund (Open Access)

Additional reading material will be made available on Canvas