Den studerende opnår viden om og praktisk erfaring med anvendelser af avanceret Business Intelligence. Dette inkluderer f.eks. avanceret multidimensionel modellering og avanceret data mining. Den studerende får et dybt kendskab til teknologierne og bliver i stand til at designe og udvikle komplette, avancerede BI-løsninger.
Enkeltfaget dækker avancerede Business Intelligence-emner i forlængelse af de to foregående enkeltfag
Gennem enkeltfaget skal den studerende opnå viden om teorier, metoder, teknikker og værktøjer inden for følgende områder:
Avanceret data warehousing og multidimensionelle databaser,
herunder
• Avanceret multidimensionel modellering
• Alternativer til multidimensionel modellering som f.eks. data
vault modellering
• Brug af aggregater til performanceoptimering
• Indeksering af multidimensionelle databaser, herunder bitmap
indexes
• Nye trends i data warehousing, som f.eks. near-real-time data
warehousing eller cloud-teknologier i forbindelse med data
warehousing
Avancerede data mining metoder, herunder
• Multimedie mining
• Mining af højdimensionelle data, f.eks. subspace clustering
• Outlier detection
• Tekst mining
• Web mining
Den studerende skal ydermere kunne forholde sig kritisk og
refleksivt i forhold til disse teoretiske emner
Den studerende skal kunne anvende teorier, metoder og modeller fra ovennævnte områder til at identificere, analysere, vurdere og komme med forslag til løsning af konkrete problemstillinger i praksis. Den studerende skal kunne argumentere for relevansen af de valgte teorier, metoder og modeller samt for det udarbejdede løsningsforslag. Desuden skal den studerende kunne reflektere over betydningen for den sammenhæng løsningen indgår i. Konkret forventes det at den studerende efter gennemførelse af fagpakken er i stand til:
• At designe et data warehouse ved brug af avancerede
modelleringsteknikker
• At implementere et avanceret DW/OLAP-system
• At optimere performance i data warehouset
• At udvælge og forberede data til avanceret data mining (avanceret
præprocessering)
• At forstå og anvende en række avancerede data mining metoder
• At forstå og sammenligne algoritmerne bag forskellige avancerede
data mining metoder
• At træffe informerede valg omkring avancerede data
warehousingteknikker
• At vælge den rigtige type data mining metode til en given
avanceret problemstilling, at parametrisere avancerede data mining
algoritmer til et givent datasæt og at analysere avancerede data
mining resultater
• At designe og udvikle et komplet business intelligence system for
en kompleks, realistisk problemstilling
Undervisningen består af tre seminardage med kombinerede forelæsninger og øvelsessessioner (både med brug af computer og blyant og papir). Mellem seminarerne læser den studerende faglitteratur og laver øvelser/opgaver. En af seminardagene kan af underviserne erstattes af en anden arbejdsform, f.eks. udarbejdelse af en løsning til en større og kompleks opgave eller studenterpræsentationer af relevante emner og opgaver.
Prøvens navn | Avanceret business intelligence |
Prøveform | Mundtlig |
ECTS | 5 |
Bedømmelsesform | 7-trins-skala |
Censur | Intern prøve |
Vurderingskriterier | Vurderingskriterierne er angivet i Universitetets eksamensordning |
Tjek detaljer på https://www.master-it-vest.dk/fagpakker/softwarekonstruktion.html
Engelsk titel | Advanced Business Intelligence |
Modulkode | DSNITEV9 |
Modultype | Kursus |
Semester | Tjek detaljer på https://www.master-it-vest.dk/fagpakker/softwarekonstruktion.html |
ECTS | 5 |
Undervisningssprog | Dansk |
Undervisningssted | Campus Aalborg |
Modulansvarlig |
Uddannelsesejer | Master i informationsteknologi, softwarekonstruktion |
Studienævn | Studienævn for Datalogi |
Institut | Institut for Datalogi |
Fakultet | Det Teknisk Fakultet for IT og Design |