Business Analytics (BA) handler anvendelsen af data og modeller til at forstå organisatoriske systemer og understøtte beslutninger. Kurset dækker avancerede data-centriske metoder inden for de tre hovedretninger i BA: descriptive (“what happened?”), predictive (“what will happen?”) og prescriptive (“what should happen?”). Der lægges vægt på at koble modelling choices til konkrete decision contexts: problem formulation, data management, model evaluation and validation samt kommunikation af resultater under uncertainty. Metoderne anvendes på business cases for at illustrere, hvordan data og machine learning kan bruges til decision support, herunder moderne tilgange, hvor det er relevant. Gennem kurset fremhæves det, hvordan responsible analytics kan bidrage til societal good—ved at forbedre beslutninger inden for fx sustainability, public services og equitable outcomes—samtidig med at man anerkender limitations, risks og trade-offs. Kurset bygger på advanced machine learning techniques; derfor forventes det, at de studerende har forhåndskendskab til data science og machine learning fundamentals samt solide programming skills. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Identificer forretningsmæssige og samfundsmæssige påvirkningsmuligheder relateret til effektiv dataudnyttelse
• Opsummer de identificerende karakteristika ved avancerede Machine Learning til descriptive, predictive and prescriptive analytics
• Vælg og anvend passende Machine Learning (regression, klassificering, Reinforcement Learning, clustering, recommender systems, computervision, LLM'er)
• Udfør ML-eksperimenter i komplekse miljøer (f.eks. støjende data, høj usikkerhed, kombination med optimeringskomponenter, parametriske og ikke-parametriske modeller)
• Levere datadrevet support til online forretning og markedsføring
• Anvend en eller flere explainable AI-teknikker (f.eks. SHAP, Lime) i datadrevne beslutningsrådgivningssituationer
• Build on the latest LLM techniques (RAG, LoRA, Chain-of-Thought reasoning) to develop application-ready tools for business and society
• Kvantificere usikkerheder i prædiktiv modellering gennem quantile regression og heteroskedasticitetsmodel
• Forstå og være i stand til at forklare kausale vs. korrelationsforhold mellem variabler, endogenitet, intervention og counterfactual reasoning
• Kunne give et klart og informativt resumé (executive summary) til datadrevne analyser og værktøjer, herunder indsigt til forretningsmæssige og kritiske spørgsmål

Kurset gennemføres i to hovedblokke. Første halvdel af semestret fokuserer på advanced business analytics techniques og undervises i et intensivt format. Denne blok kombinerer flere undervisningsformer, herunder interaktive forelæsninger integreret med hands-on Python-øvelser samt flipped-classroom-sessioner understøttet af forudindspillede videoforelæsninger og praktiske in-class-aktiviteter. Anden halvdel af semestret er dedikeret til projektarbejde og omfatter en række invited talks fra industri, offentlig sektor og akademia.

Kurset dækker bl.a. følgende hovedemner: web data mining; Augmented/Virtual reality; natural language processing; Large Language Models; recommender systems; explainable AI; deep learning; reinforcement learning; spatio-temporal prediction models; ensemble models; survival analysis; prediction uncertainty; og computer vision. Hvert modul har sine egne anbefalede tekster, som vil blive udleveret i slutningen af forelæsningsnoterne. De obligatoriske tekster vil blive offentliggjort online. 04. maj, 2026