Finner retningen …
Finner retningen …
Laster botkontroll.
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
KARAKTERFORDELING · V 2025
38 kandidater
Alle delene må normalt være bestått. Karakterfordelingen over gjelder emnet samlet.
Kilde: Data hentet fra Felles studentsystem ved NMBU, slik den var publisert for høsten 2026. NMBU har ikke kvalitetssikret og er ikke ansvarlig for innholdet på denne siden.
NMBU sin egen emnebeskrivelse — læringsutbytte, innhold og vurderingsform.
Innføring i grunnleggende dataanalyse med moderne analyseverktøy
Pensum - inkludert programmering av all analysemetodikk:
- Datatyper og innlesing av data fra ulike filformater.
- Visualisering og eksplorativ analyse for identifikasjon av struktur og trender (histogrammer, scatterplott, box-plott m.m.).
- Ulike mål på middeltall og spredning (gjennomsnitt, median, varians m.m.).
- Korrelasjon og kovarians (på enkeltvariable og data på matriseform).
- Krysstabeller.
- Enkel normalfordelingsteori, normaliserende transformasjoner og test av normalitet.
- Geometriske fordelinger, binomiske fordelinger, Poisson-fordelinger.
- Inferens (parametriske og ikke-parametriske for undersøkelse av ett og to utvalg) og enkel variansanalyse.
- Minste kvadraters metode (lineære modeller og polynomtilpasninger)
- Logistisk regresjon (klassifikasjon med to grupper).
Demonstrasjon:
- Klusteranalyse (k-means, hierarkisk klusteranalyse m.m.).
Ferdigheter og innsikt i grunnleggende teknikker for dataanalyse generert via moderne datafangst. I tillegg vil fokus gis til ferdigheter som er relevant for arbeidslivet som gruppearbeid og presentasjoner.
Studenten skal lære om hvilke analysemetoder som passer til
1) Eksplorativ dataanalyse (plotting/visualisering og enkle beskrivende statistiske måltall).
2) Visualisering.
3) Inferens.
4) Modellering og prediksjon med kontinuerlige og kategoriske responser (regresjon (enkel og multippel) og klassifikasjon) og validering av prediktive modeller.
5) Innføring i klusteranalyse og glatting av tidsseriedata.
MATH100, MATH-INF100 eller MATH121 Kalkulus 1
INF120 Programmering og databehandling
Eksamen: K1 - ingen bruk av KI
Obligatoriske innleveringsoppgaver: K3 - Bruk av KI innenfor retningslinjene for bruk av kunstig intelligens (KI) ved NMBU.
Bruk av KI-teknologi som støtte til læringsprosessen i emnet anbefales.
Undervisningen består av forelesninger, og øvinger med og uten datamaskin (med bistand fra øvingslærere og emneansvarlig).
Tre obligatoriske innleveringsoppgaver må være godkjent for å kunne ta eksamen i kurset.
Kilde: Data hentet fra Felles studentsystem ved NMBU, slik den var publisert for høsten 2026. NMBU har ikke kvalitetssikret og er ikke ansvarlig for innholdet på denne siden.
Hva burde andre vite før de tar dette? Anonymt, ingen innlogging.
Basert på hvor kandidatene til eksamen var registrert (DBH).
Emner som tas i de samme studieprogrammene som DAT110.
| Semester | Kandidater | Snitt | Stryk |
|---|---|---|---|
| Vår 2025 | 38 | C (2.84) | 15,8 % |
| Høst 2024 | 3 | F (0.00) | 100 % |
| Vår 2024 | 49 | C (2.57) | 12,2 % |
| Vår 2023 | 63 | C (3.10) | 12,7 % |
| Vår 2022 | 62 | C (3.03) | 14,5 % |
| Vår 2021 | 60 | C (2.87) | 11,7 % |
| Vår 2020 | 33 | B (3.64) | 12,1 % |