Fakta
Informasjon oppdatert
20. februar 2025.
Om studiet
Emnet vil gi en innføring i fagområdet ved at hver modul vil gi en innføring i en ny metode for å demonstrere utvalget av metoder. Til sammen vil studenten ha ferdigheter til å anvende disse metodene på teoretisk relevante problemer innen logistikk og verdikjedeledelse.
I løpet av det siste tiåret har mangfoldet av data og datatyper innen logistikk og supply chain eksplodert. Dette inkluderer ikke bare nyere typer data, fra lager og transport, men også historiske data.
Samtidig blir analyseteknikker fra informatikk, som maskinlæring, i økende grad brukt til å optimalisere og å løse problemer innen logistikk og verdikjedeledelse.
Dette emnet er praktisk utformet. Vekten i undervisningen vil være på å anvende spesifikke praktiske teknikker i stedet for på deres matematiske basis.
Emnet vil gi en innføring i fagområdet ved at hver modul vil gi en innføring i en ny metode for å demonstrere utvalget av metoder. Til sammen vil studenten ha ferdigheter til å anvende disse metodene på teoretisk relevante problemer innen logistikk og verdikjedeledelse.
Undervisningsopplegg
Vi bruker læringsportalen Canvas. Her finner du blant annet:
- forelesningsvideoer
- oversikt over pensum og studieløp
- læringsmål
- planleggingsverktøy
- øvingsoppgaver
- innleveringsoppgaver
- mulighet til å kommunisere med din personlige veileder og medstudenter m.m.
Gjennomføringen er basert på arbeid med pensum, veiledningstekster, videoforelesninger, øvingsoppgaver, innsending av obligatoriske oppgaver, samt gjennomføring av en skriftlig eksamen. Fagstoffet i læringsportalen er ordnet i en bestemt rekkefølge, slik at du lett forstår hva du skal gjøre til enhver tid.
Opptakskrav
Se emnets studieside for opptaksinformasjon