Upplýsingaverkfræði IÐN302G · Haust 2026
Lyfturæða
Upplýsingaverkfræði er verkfærakista til að breyta hráum gögnum í verðmæta innsýn.
Markmiðið er ekki bara að vinna með gögn — heldur að gera þau gagnleg fyrir ákvarðanir.
Stofnanir, fyrirtæki og samfélög safna sífellt meiri gögnum.
Gagnavinna snýst um að finna mynstur, frávik, tengsl og þróun.
Vel unnin gögn geta bætt stefnumótun, rekstur, rannsóknir og miðlun.
Endurtekin hegðun í gögnum.
Þróun yfir tíma.
Sambönd sem varpa ljósi á samhengi.
Atvik sem passa ekki við væntingar.
Reglur sem halda gögnum heilum og merkingarbærum.
Frásögn sem hjálpar öðrum að skilja niðurstöður.
Áhorfandi greinir, rýnir og túlkar upplýsingarnar. Þekking verður til þegar einhver skilur hvað gögnin segja og hvers vegna það skiptir máli.
Upplýst ákvörðun er tekin út frá gögnunum, til dæmis breyting á rekstri, forgangsröðun, stefnumótun eða næsta skref í verkefni.
Breytingin er framkvæmd. Þetta getur verið breyting á ferli, kerfi, vöru, stefnu eða því hvernig upplýsingar eru notaðar í daglegu starfi.
Virði skapast þegar vinnan hefur raunveruleg áhrif: betri ákvarðanir, skýrari yfirsýn, minni sóun, meiri gæði eða nýr skilningur.
Í námskeiðinu fáist þið við þetta ferli með raunverkefni: þið safnið gögnum, komið upplýsingunum á skynsamlegt form, greinið gögnin og deilið niðurstöðum.
Upplýsingaverkfræði hjálpar til við að koma skipulagi á gögn og draga fram mikilvægar upplýsingar.
Gagnagreining nýtist til að bæta stefnumótun og ákvarðanatöku í fyrirtækjum og stofnunum.
IÐN302G er inngangskúrs. Í IÐN610M Viðskiptagreind er virðiskeðjan tekin lengra með virkri þátttöku fyrirtækis.
Gagnasaga er ekki bara fallegt graf. Hún tengir saman spurningu, gögn, greiningu og niðurstöðu.
Flókin gögn verða skiljanleg.
Lesandi sér af hverju niðurstaðan skiptir máli.
Niðurstaðan hjálpar fólki að bregðast við.
Grunnfærni í gagnavinnslu og fyrirspurnum.
Python, R eða önnur tól til að hreinsa, greina og endurtaka vinnu.
Gröf, töflur, kort og mælaborð.
Útgáfustjórnun, samvinna, issues, PR og kóðarýni.
AI sem aðstoð við kóða, texta, villuleit og rýni.
Að vita hvað má treysta, hvað þarf að prófa og hvað þarf að útskýra.
Gögn, kóði og skýrsla eiga að hanga saman þannig að hægt sé að endurskapa niðurstöður.
Issues, branches, Pull Requests, review og releases halda utan um vinnuna.
AI getur hjálpað, en teymið ber ábyrgð á að skilja, prófa og rýna niðurstöðuna.
Vinnuflæði, GitHub og skýrslur sem hægt er að keyra aftur.
Sækja gögn frá vefþjónustum og API-um; leit, mynstragreining og vinnsla textagagna.
Undirstaða skilyrða, vensla og SQL JOIN.
Töflur, fyrirspurnir, flokkun, samlagning og NULL.
JOIN, CTE, views, föll, PostgreSQL og PostGIS.
Gagnafrásögn, gröf, kort og mælaborð.
Ekki ný aðferð — hér er fínpússað og ítrað á fyrri lotur og allt tengt saman í heildstæða gagnasögu fyrir capstone.
main.
main).
PR á að vera nógu lítið til að hægt sé að rýna það vel.
Ef breytingin er orðin of víðfeðm er það merki um að skipta henni upp.
Capstone verkefnið er þráðurinn í gegnum misserið.
Teymið prófar aðferð lotunnar á eigin gögnum.
Hvað lærðum við um gögnin, spurninguna eða vinnulagið?
PR, commit saga, síða, ígrundun og release sýna vinnuna.
Að þið mætið með grunnskilning á efni lotunnar.
Að hópurinn vinni skipulega, sýnilega og með kóðarýni.
Að aðferðir námskeiðsins séu notaðar á eigið verkefni.
Að hver nemandi geti útskýrt eigin lærdóm og framlag.
Að lokaverkefnið segi heildstæða gagnasögu.
Að vinnan sé sýnileg í GitHub og hægt sé að fylgja þróuninni.
Við erum að æfa vinnulagið sem þið eigið eftir að nota allt misserið.

IÐN302G · Upplýsingaverkfræði · Haust 2026