SV

Baserat på kursplanen och den första lektionssammanfattningen. Innehållet fylls på under kursens gång.

NYFIKENHET ÄR EN BRA BÖRJAN DIN LÄRRESA BÖRJAR HÄR
Big Data

Förstå din data.
Upptäck sambanden.

Följ IoT-data från insamling till analys och maskininlärning. Prova med AI4I, granska resultaten och bygg en egen projektberättelse.

✓ Läs direkt här – Python behövs för kodövningarna
8 ämnenEn sammanhängande lärresa
Teori möter praktikExempel från verkliga system
Testa din förståelseKunskapsfrågor längs vägen
I din egen taktDina framsteg sparas lokalt
KURSPLAN OCH FÖRSTA LEKTIONERNA

Det här ska vi kunna göra.

Planera en IoT-analys, behandla och visualisera data, prova maskininlärning och förklara vad resultatet kan användas till.

10 yrkeshögskolepoäng · Kunskapskontroll: presentation · IG/G/VG

De tre lektionerna i sammanfattningen

Detta är den första lektionsöversikten, inte ett komplett schema för hela kursen.

  1. Från IoT-signal till Big Data-pipeline

    Begrepp, batch och ström, insamling, lagring, datakvalitet och en första Pythonorientering. Bekanta dig med AI4I och formulera en analysfråga.

    Underlag till projektet: Dataset och dokumentation, problemformulering och första skissen av dataflödet.

  2. Behandla, analysera och visualisera sensordata

    Filtrera, gruppera och beräkna nya variabler. Välj diagram efter frågan och resonera om partitionering, parallellisering, verktyg och resursbehov.

    Underlag till projektet: Individuell analysplan, prioriterade nästa steg och en första visualisering.

  3. Machine Learning för IoT och kritisk granskning

    Genomför ett enkelt ML-flöde, jämför med en baslinje och granska dataläckage, obalans, praktisk nytta och källor. Projektarbete med läraravstämning.

    Underlag till projektet: ML-resultat med utvärdering, ett motiverat användningsbeslut och granskning av svensk och engelsk information.

Lärandemål och stöd på Kopplat

Här är målen sammanfattade. De fullständiga formuleringarna finns i kursplanen (PDF).

KUN33

Förklara begrepp, metoder, verktyg, ekosystem, trender, möjligheter och utmaningar inom Big Data och ML för IoT.

F34

Planera och utföra behandling, analys och visualisering, identifiera resurser och tillämpa ML på ett Big Data-problem.

F35

Använda, kommunicera och kritiskt granska relevant information på svenska och engelska.

KOM21

Ta ansvar för självständigt, översiktligt arbete med Big Data, ML och IoT och identifiera fortsatt lärande.

KOM22

Ta ansvar, värdera metodval, arbeta självständigt och samarbeta i Big Data-projekt.

Presentation och bedömning

Kursplanen anger presentation som kunskapskontroll och betygsskalan IG/G/VG. Godkänt kräver att alla läranderesultat nås. För VG betonas djupgående förståelse, självständig tillämpning och förklaring samt kritisk värdering av teknikernas för- och nackdelar i praktiska IoT-projekt.

Sammanfattningen beskriver en individuell projektstart. Datum för presentationen, längd och detaljerade inlämningskrav framgår inte av underlagen. Kopplats övningar och quiz är studiestöd; lärarens kommande anvisningar styr redovisningen.

Förbered ditt projekt och din presentation →
FRÅN GRUNDER TILL HELHET

Vad vill du förstå idag?

Följ kursen i ordning, eller ta ett språng till det som väcker din nyfikenhet.

08 ämnen att utforska

Det handlar om att se sambanden.

En mätning. En fråga. En ny insikt. Följ datan och upptäck vad den kan berätta.

Ta första steget

Hitta nästa sak att förstå.

Vad är Big Data?Ämne 1 · GrundernaFrån datakälla till insamlingÄmne 2 · DataflödenHur lagras data?Ämne 3 · LagringFrån rådata till insiktÄmne 4 · BearbetningKan vi lita på resultatet?Ämne 5 · DatakvalitetPython, analys & visualiseringÄmne 6 · AnalysMaskininlärning för IoTÄmne 7 · MaskininlärningProjekt, källkritik & presentationÄmne 8 · Projekt