Forudsætninger/Anbefalede forudsætninger for at deltage i modulet

Modulets indhold, forløb og pædagogik

Modulet vil gennem workshops og case-stories introducere relevante koncepter og værkøjer omhandlende dataopsamling, programmering, machine learning og visualisering af større datamængder.

Læringsmål

Viden

Studerende som gennemfører modulet, skal kunne

• redegøre for centrale dataopsamlingsprincipper
• gøre rede for definitioner og teknikker indenfor lineær- og ikke-lineær regression
• forklare hvordan større datamængder organiseres,  bearbejdes og visualiseres
• redegøre for best practise i dokumentation og test af kode

Færdigheder

• anvende basal programmering til opsamling, behandling og visualisering af data
• benytte forskellige interfaces til opsamling og lagring af data
• bruge modulets værktøjer indenfor dataopsamling og machine learning til at belyse relevante problemstillinger forskellige fagområder (hhv. biologi, kemi, bioteknologi og miljøvidenskab)

Undervisningsform

• Forelæsninger 
• Workshops
• Opgaveløsning (individuelt og i grupper) 

Omfang og forventet arbejdsindsats

150 arbejdstimer

Eksamen

Prøver