Antagningsdata

Välj region och språk

Välj språk för hela webbplatsen.

Tillfället ingår inte i den aktuella katalogen. Uppgifterna är bevarade från en tidigare publicering. Kontrollera aktuellt utbud hos anordnaren.

Mälardalen University

Predictive Data Analytics

The course will give insights in fundamental concepts of machine learning and actionable forecasting using predictive analytics. It will cover the key concepts to extract useful information and knowledge from big data sets for analytical modeling About this course The course aims to give insights in fundamental co…

  • Högskoleutbildning
  • Uppgift saknas
  • 15 september 2025
  • Uppgift saknas
  • Uppgift saknas
  • 25 %

Översikt

The course will give insights in fundamental concepts of machine learning and actionable forecasting using predictive analytics. It will cover the key concepts to extract useful information and knowledge from big data sets for analytical modeling About this course The course aims to give insights in fundamental concepts of machine learning for predictive analytics to provide actionable, i.e., better and more informed decisions in, forecasting. It covers the key concepts to extract useful information and knowledge from data sets to construct predictive modeling. Introduction: overview of Predictive data analytics and Machine learning for predictive analytics. Data exploration and visualization: presents case studies from industrial application domains and discusses key technical issues related to how we can gain insights enabling to see trends and patterns in industrial data. Predictive modeling: consists of issues in construction of predictive modeling, i.e., model data and determine Machine learning algorithms for predicative analytics and techniques for model evaluation. You will learn * Select suitable machine learning algorithms to solve a given problem for predictive data analytics. * Explore data and produce datasets suitable for analytical modeling. * Basics of machine learning for predictive analytics

Antagningspoäng

Uppgift saknasVerifierat underlag är inte anslutet till detta utbildningstillfälle.

Behörighet

90 credits of which at least 60 credits in Computer Science or equivalent, including 15 credits in programming as well as 2,5 credits in basic probability theory and 2,5 credits in linear algebra, or equivalent.  In addition, Swedish course B/Swedish course 3 and English course A/English course 6 are required. For courses given entirely in English exemption is made from the requirement in Swedish course B/Swedish course 3.

Texten återges från Susa-underlaget. Antagningsdata gör ingen egen mappning mellan GY11 och GY25 och bedömer inte personlig behörighet.

Källa, mått och datakvalitet
Källa
Skolverket Susa-navet
Period
2025-09-15
Mått
Behörighetstext återgiven från publicerat Susa-underlag; ingen personlig behörighetsbedömning.
Population
Utbildningstillfälle e.uoh.mdu.dva478.24577.20252
Senaste kontroll
2026-09-23T10:38:46.21657+00:00
Begränsning
GY11 och GY25 mappas inte av Antagningsdata. Grundläggande och särskilda villkor separeras inte utan strukturerat underlag.

Utbildningens innehåll

Uppgift saknasVerifierat underlag är inte anslutet till detta utbildningstillfälle.

Studiernas upplägg

Uppgift saknasVerifierat underlag är inte anslutet till detta utbildningstillfälle.

Ansökan och viktiga datum

  1. Utbildningen startar
  2. Utbildningen slutar

Lön och lönefördelning

Uppgift saknasVerifierat underlag är inte anslutet till detta utbildningstillfälle.

Vanliga yrken efter utbildningen

Uppgift saknasVerifierat underlag är inte anslutet till detta utbildningstillfälle.

Studenterna

Uppgift saknasVerifierat underlag är inte anslutet till detta utbildningstillfälle.

Geografisk bakgrund

Uppgift saknasVerifierat underlag är inte anslutet till detta utbildningstillfälle.

Tidigare gymnasieskolor och program

Uppgift saknasVerifierat underlag är inte anslutet till detta utbildningstillfälle.

Genomströmning och utfall

Uppgift saknasVerifierat underlag är inte anslutet till detta utbildningstillfälle.

Om anordnaren

Mälardalen University

Anordnare för det publicerade utbildningstillfället.

Källor och datakvalitet

Utbildningsfakta för valt tillfälle kommer från Skolverket Susa-navet.

Hämtad . Publicerad . Tider visas i svensk tid.

Källidentitet och publiceringsversion
Publiceringsversion
8e217193-f5fa-4778-b085-a4521fd03e8d
Utbildningsidentitet hos källan
i.uoh.mdu.dva478.24577.20252
Tillfällesidentitet hos källan
e.uoh.mdu.dva478.24577.20252
Utbildningsformens källkod
HS
Utbildningskod hos källan
DVA478
Ändringstid enligt källan
2025-03-14T10:56:36

Anordnare, utbildning och utbildningstillfälle är separata identiteter. Uppgifter om ansökan bör kontrolleras på den officiella webbplatsen. Kompletterande statistik har inte hämtats från denna källa.