| Kods | DE0750 | |||||||||||||||||||||||||||||||||||||||
| Nosaukums | Biznesa analītika | |||||||||||||||||||||||||||||||||||||||
| Statuss | Obligātais/Ierobežotās izvēles | |||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Augstākā līmeņa, Akadēmiskais | |||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Datorika | |||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte | |||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Ilze Birzniece | |||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 6.0 | |||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | |||||||||||||||||||||||||||||||||||||||
| Anotācija |
Datu apjoms pasaulē pieaug ik dienu un šie dati slēpj potenciālu biznesa vērtību. Jaunu biznesa iespēju meklēšana un saskatīšana datos mūsdienās ir būtiska jebkuras nozares uzņēmuma izaugsmes sastāvdaļa. Biznesa intelekts, informācijas paneļi un datu vizualizācija ir biznesa analītikas pamatā. Zināšanu atklāšana datos ir process, kas iekļauj datu izgūšanu, datu priekšapstrādi, atbilstošu analīzes metožu izvēli un pielietošanu, rezultātu interpretēšanu. Datizrace (data mining) ir statistikas un mašīnapmācības metožu lietojums vēsturiskajiem datiem ar mērķi iegūt skaidrojumu vai prognozi. Studiju kursā tiek apskatītas galvenās datizraces pieejas pārraudzītajā un nepārraudzītajā apmācībā – regresija, klasifikācija, klasterēšana un asociatīvo likumu meklēšana, iepazīstoties ar populārākajām metodēm katrā no tām. Kā viens no klasifikācijas lietojumiem tiek apskatīta tekstuālu (nestrukturētu un daļēji strukturētu) datu analīze. Studiju kursa uzsvars tiek likts uz analītikas izpratnes veidošanu un praktisku darbošanos, ar bezkoda rīku Weka (pieredzējušiem lietotājiem – arī Python programmēšanas valodu) veicot datu analīzi reālām datu kopām un interpretējot iegūtās sakarības praktisko darbu ietvaros. Lielo datu analīze tiek sasaistīta ar augstas veiktspējas skaitļošanas (HPC) sniegtajām iespējām. Apgūtās zināšanas un prasmes datu analīzē studenti pielieto integrētās kursa projektā, darbojoties komandā. . Studiju kurss ir pielāgots kombinēto studiju metodikai, un ietver asinhronas un sinhronas studiju aktivitātes, kā arī nepieciešamos atbalsta materiālus asinhronām studiju aktivitātēm. Studiju kursā studējošie apgūst Eiropas iedzīvotāju digitālās kompetences ietvaram (DigComp) atbilstošās augstāko līmeņu digitālās prasmes.. Studiju kursa apguvei nav nepieciešamas iepriekšējās zināšanas datizracē vai programmēšanā.. |
|||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
|||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Studiju kursa mērķis ir attīstīt studējošo izpratni par datu analītikas iespējām un prasmes izvēlēties un lietot atbilstošas pieejas konkrētām biznesa datu vajadzībām. Studiju kursa uzdevumi: 1. Iepazīstināt studējošos ar biznesa analītikas vajadzībām un iespējām. 2. Veidot izpratni par datu ieguves un apstrādes procesiem, lai iegūtu datos balstītas zināšanas. 3. Attīstīt prasmes darbā ar datizraces metodēm un rīkiem biznesa lēmumu atbalstam. 4. Veicināt analītiskās spējas, kritisko domāšanu un akadēmiskās rakstīšanas prasmes. | |||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Pārzina datu priekšapstrādes uzdevumus un prot veikt datu transformācijas - Projekts, eksāmens Spēj raksturot galvenās datizraces pieejas, prot izvēlēties un pielietot atbilstošas metodes konkrētiem datiem - Izpildīti praktiskie darbi, projekts, eksāmens Spēj analizēt biznesa vajadzības un sasaistīt tās ar datu analītikas iespējām - Patstāvīgi izpildīts mājas darbs, projekts, eksāmens Spēj pieņemt biznesa lēmumus, balstoties uz datiem - Patstāvīgi izpildīts mājas darbs, projekts, eksāmens, izpildīti praktiskie darbi Izmantojot zināšanas datu analīzē un prasmes lietot datizraces rīkus, spēj radīt risinājumus zināšanu iegūšanai no datiem un to reprezentēšanai (DigComp 7. līmenis) - Izpildīti praktiskie darbi, projekts Prot veikt dažāda tipa uzdevumus, ievērojot akadēmiskā godīguma principus // Ievēro akadēmiskā godīguma principus un ētiku pētniecības un biznesa vidē - Individuāli mājas darbi, praktiskie darbi, grupu darbi, projekts, eksāmens |
|||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Mājas darbi - 20%
Praktiskie darbi - 15% Projekta darbs - 35% Eksāmens - 30% |
|||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Pamatzināšanas par datu glabāšanu un apstrādi ar lietojumprogrammatūru. | |||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
|||||||||||||||||||||||||||||||||||||||