förklara olika metoder att utvinna förädlad information ur stora datamängder, både i teori och i praktisk tillämpning
använda dessa metoder med lämpliga verktyg
utvärdera och jämföra olika metoders lämplighet
göra bedömningar med hänsyn till relevanta vetenskapliga, samhälleliga och etiska aspekter i tillämpning av informationsutvinning
lösa informationsutvinningsproblem i grupp.
Kursinnehåll
Introduktion till informationsutvinning och dess terminologi, översikt över olika typer av data (t.ex. tabeller, text, grafer) och dess egenskaper, en översikt över olika metoder för att utforska stora datamängder, datapreparering (t.ex. normalisering, PCA), introduktion till klassificeringsmetoder (t.ex. k-NN, C4.5), introduktion till klustringsmetoder (t.ex. k-means, single-link, DB-Scan, grafklustringsalgoritmer), introduktion till associationsanalys (t.ex. Apriori), samhälleliga och etiska aspekter inom området informationsutvinning, validering. Ämnena behandlas både teoretiskt och praktiskt genom laborationer där utvalda metoder implementeras och testas på typiska datamängder.
Förutsättningar
120 hp med 25 hp matematik, inklusive matematisk statistik, och 45 hp datavetenskap och/eller teknik, inklusive Databasteknik I och en fortsättningskurs i programmering. Algoritmer och datastrukturer I rekommenderas. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
Litteratur
Saknas
Redo att boosta dina studier?
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.