0x010088F6312065A70A44B630A6848498EAD80093CFEAFE161DC94D83C7C5C9A5A748B8

Emnet er et valgfritt kurs på Master i økonomi og administrasjon med spesialisering innen Business Analytics ved NTNU Handelshøyskolen. Kurset benytter innleveringsoppgaver som eksamensform, der studentene enten kan arbeide selvstendig eller i grupper (som var anbefalt). Oppgaven innebærer gjennomføring av empirisk forskning ved hjelp av store datasett.  Det har vært en betydelig utfordring å skaffe egnede data for de ulike forskningsspørsmålene studentene har. Innhenting av data tar betydelig tid, og ikke alle dataleverandører er like samarbeidsvillige med å tilby nødvendig informasjon. For å effektivisere prosessen og sikre like muligheter for alle studenter, har jeg brukt mine nettverk til å skaffe tilgang til tre ulike databaser for alle studentene. Dette har vært av avgjørende betydning og har vært til stor nytte for studentene. Kurset forutsetter forhåndskompetanse innen statistikk/økonometri (eventuelt maskinlæring) for å kunne gjennomføre en empirisk oppgave. Jeg la merke til at ikke alle studentene har like solid kompetanse innen dette området, og noen har nesten ingen erfaring fra tidligere. Av denne grunnen, og med mål om å sikre høy kvalitet på kurset, har jeg gjort justeringer i forelesningsnotatene fra i fjor. Jeg tilpasset kursplanen for å styrke forståelsen og ferdighetene innen statistikk/økonometri for alle. Dette tilpasningsarbeidet har vært svært vellykket, og tilbakemeldingene fra studentene har vært svært positive.  Ifølge timeplanen var det oppsatt to veiledningssesjoner for hver student/ gruppe. Imidlertid har jeg gjort endringer for å imøtekomme studentenes behov bedre ved å tilby ubegrenset veiledning hos meg. Det var betydelig etterspørsel etter veiledning fra studentene, og denne tilpasningen har ført til økt tilfredshet blant dem. Videre, antallet deltakere på forelesningene var høyere i år sammenlignet med fjoråret. En utfordring oppsto imidlertid da et annet emne ble tilbudt på nøyaktig samme tidspunkt, noe som tvang studentene til å ta valget mellom å delta i mitt kurs eller det andre emnet. Ingen meldte seg frivillig til å være med i referansegruppen, så jeg utformet en spørreundersøkelse på NTNU sin nettskjema-plattform og delte den med studentene (vennligst se vedlegget). Tilbakemeldingene viser at studentene er fornøyde med kurset. Du finner en mer detaljert referanserapport som vedlegg.

Pensumet må justeres bedre for å passe til emnet

NTNU:TIA:REST

NTNU Business School

NTNU Handelshøyskolen

Norsk

Mer om vurdering

Studentene skal levere en prosjektoppgave. Oppgaven kan gjennomføres med inntil 3 gruppemedlemmer.

Anbefalte forkunnskaper

Vi anbefaler at studentene som ønsker å ta emnet har grunnleggende kunnskap knyttet til kvantitativ empirisk metode og databehandling.

Forkunnskapskrav

Faglig innhold

<ul><li>Emnet tar sikte på å være et avansert og veldig forskningsrelatert emne på masternivå, som har som mål å gjøre studentene i stand til å analysere stordata med høyt kompleksitetsnivå.</li><li>Kurset starter med en introduksjon til eiendomsfinansiering, med fokus på analyse, bank og verdivurdering. Dette vil være grunnlaget for de stordataanalysene som skal anvendes videre i emnet.</li><li>Emnet vil introduserer studentene analyseteknikker som kan brukes på stordata-analyser innen eiendomsfinansiering inkludert hedoniske regresjoner, gjentatt salg, flernivåanalyse og bruk av kunstig intelligens (AI) og maskinlæringsteknikker.</li></ul>

Kursmateriell

Læringsutbytte

Kunnskap<ul><li>Studentene skal ha kunnskap om verdsettelse av eiendom.</li><li>Studentene skal ha kunnskap om hvordan automatiserte verdsettelsesmodeller for eiendom fungerer.</li><li>Studentene skal ha kunnskap om hvordan stordata kan benyttes for å løse praktiske beslutningsproblemer innen eiendomsfinans.</li><li>Studentene skal ha kunnskap om hvordan stordata kan benyttes for å løse praktiske beslutningsproblemer knyttet til eiendomsrelaterte bankspørsmål.</li></ul>Ferdigheter<ul><li>Studentene skal kunne planlegge, tilrettelegge for og gjennomføre dataanalyser innen eiendomsfinans.</li><li>Studentene skal kunne gjennomføre verdsettelse av eiendom.</li><li>Studentene skal kunne benytte hedoniske regresjoner og gjentatte salg til gjennom eiendomsanalyser.</li></ul>Generell kompetanse<ul><li>Generell kunnskap om eiendomsfinans og hvordan eiendomsmarkedet påvirker banknæringen.</li><li>Emnet skal også gi studentene generell kunnskap om hvordan stordata kan analyseres, inkludert analyser som anvender kunstig intelligens og maskinlæringsteknikker.</li></ul>

Læringsformer og aktiviteter

Forelesninger, gjesteforelseninger, gruppeoppgaver og veiledning.Obligatorisk arbeidskrav skal være bestått før endelig innlevering av prosjektoppgaven.

Gruppeoppgave

Big data i eiendomsfinans

Økonomi og administrasjon

Master i økonomi og administrasjon

Regnskap og revisjon - masterstudium

Finansiell økonomi - masterstudium

Industriell økonomi og teknologiledelse - masterstudium (5-årig)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(24240)/FieldValuesAsText

Big data i eiendomsfinans - BBAN4025