Finner retningen …
Finner retningen …
Laster botkontroll.
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
KARAKTERFORDELING · H 2025
13 kandidater
Alle delene må normalt være bestått. Karakterfordelingen over gjelder emnet samlet.
Kilde: Felles studentsystem (FS) via NTNU, slik den var publisert for høsten 2026. NTNU er ikke ansvarlig for innholdet på denne siden.
NTNU sin egen emnebeskrivelse — læringsutbytte, innhold og vurderingsform.
Kurset bygger på konsepter og teknikker fra flere felt, inkludert forretningsdrift, ledelse, økonomi, sosiologi, informatikk og filosofi. Studentene skal kunne ha et bredt perspektiv på reelle problemer i arbeidslivet og se utfordringer som en helhet, ved å ta hensyn til ulike perspektiver, samt å se hvordan ulike deler passer sammen. Studentene skal bli i stand til å foreslå, designe og utvikle datadrevne løsninger som støtter opp om disse problemene.
Gjennom hele emnet vil vi bruke avanserte dataanalyseplattformer som støtter datarensing, utforskning, visualisering og predikeringer (f.eks. Tableau, PowerBI, KNIME, DataRobot). Studentene vil lære om statistiske konsepter og dataanalyseteknikker, og hvordan dette kan muliggjøre bedre beslutninger. Du vil også bruke Generative KI-verktøy (f.eks. chatGPT, Copilot) for å utvikle ulike deler av oppgavene (f.eks. idédugnad, forretningsforståelse, analyse). Studentene skal få utdypende kunnskap om gitte verktøy og hvordan de fungerer, ved å koble verktøybruken til spesifikke problem. Emnet har et fokus på å finne nye og relevante problemer som skal løses, samtidig som man også får ideer til utforming av kreative løsninger på eksisterende problemer, ved bruk av eksisterende datasett.
Emnet gir studentene et systematisk grunnlag for å adressere endring i en digital virksomhet, og det bidrar til å bygge bro mellom digital transformasjon og digital bærekraft slik at man oppnår felles nytte som påvirker samfunnet som helhet. I emnet vil vi diskutere økosystemer for analyse av store datamengder (big data analytics ecosystems) og strategier for digital transformasjon som medfører forretnings- og samfunnsmessige endring. Sistnevnte vil være knyttet til eksempler fra den virkelige verden, ved bruk av case-studier.
Etter å ha gjennomført emnet skal følgende samlede læringsutbytter være oppnådd:
Kunnskaper
Studentene skal:
Ferdigheter
Studentene skal:
Generell kompetanse
Studentene skal:
Obligatoriske aktiviteter:
Deltakelse i minimum 75% av læringsaktivitetene. Aktivitetene kunngjøres ved kursstart. I særskilte tilfeller hvor 75% deltakelse ikke tilfredsstilles kan studenten inngå avtale med emneansvarlig om alternative læringsaktiviteter. Gruppearbeid inkludert prosjektbaserte obligatoriske øvinger/presentasjoner som må godkjennes før kandidaten får tilgang til sluttvurdering.
Vurdering:
Prosjektrapport skrives i grupper på inntil 4 personer.
Alle studenter i gruppen får normalt samme karakter basert på gruppebesvarelsen. I særskilte tilfeller hvor en student ikke har bidratt tilstrekkelig, kan studenten gis en individuelle karakterer basert på dokumentert manglende innsats og/eller arbeidsmengde.
Utsatt vurdering: August. Ved utsatt vurdering defineres en ny oppgave. Utsatt vurdering kan bli endret til muntlig eksamen.
Pensumlitteratur fastsettes ved kursstart. Aktuelle forskningsartikler og bøker kan være:
Kilde: Felles studentsystem (FS) via NTNU, slik den var publisert for høsten 2026. NTNU 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 TDMA5000.
| Semester | Kandidater | Snitt | Stryk |
|---|---|---|---|
| Høst 2025 | 13 | B (4.23) | 0 % |
| Høst 2024 | 14 | B (4.00) | 0 % |