Den studerende opnår viden om og praktisk erfaring med anvendelser af data mining og machine learning metoder og værktøjer anvendt på både ustrukturerede og strukturerede Big Data-eksempler. Den studerende får et dybt kendskab til skalerbare teknikker og værktøjer og bliver i stand til at forberede data (vha. præprocessering) og benytte dem til både at udtrække indsigt fra og lave forudsigelser (predictions) for komplekse data.
Enkeltfaget dækker grundlæggende data mining og machine learning
Gennem enkeltfaget skal den studerende opnå viden om teorier, metoder, teknikker og værktøjer inden for følgende områder:
Praktiske metoder til præprocessering af tekst, f.eks. struktureret og ustruktureret data, f.eks tekst og netværksdata.
Fundamentale data mining og machine learning metoder, herunder
Regulariseringsmetoder til behandling af højdimensionelle data.
Der lægges vægt på metoder, der er skalerbare til Big Data, så der sammenhæng med det efterfølgende enkeltfag.
Den studerende skal ydermere kunne forholde sig kritisk og refleksivt i forhold til ovenstående emner; specielt er det vigtigt at den studerende opnår færdighed i at udvælge den rigtige type af machine learning metode til brug i en given kontekst.
Den studerende skal kunne anvende teorier, metoder og modeller fra ovennævnte områder til at identificere, analysere, vurdere og komme med forslag til løsning af konkrete data-funderede problemstillinger. Den studerende skal kunne argumentere for relevansen af de valgte teorier, metoder og modeller samt for det udarbejdede løsningsforslag. Desuden skal den studerende kunne reflektere over betydningen for den sammenhæng løsningen indgår i. Konkret forventes det at den studerende efter gennemførelse af fagpakken er i stand til:
Undervisningen bestå af tre seminardage med kombinerede forelæsninger og øvelsessessioner. Mellem seminarerne læser den studerende faglitteratur og laver øvelser/opgaver. Desuden udarbejder de studerende i grupper et miniprojekt til en realistisk problemstilling.
Prøvens navn | Datamodeller og analyseteknikker |
Prøveform | Mundtlig pba. projekt
Ekstern mundtlig evaluering med udgangspunkt i projektrapporten for
miniprojektet. |
ECTS | 5 |
Bedømmelsesform | 7-trins-skala |
Censur | Ekstern prøve |
Tjek detaljer på https://www.master-it-vest.dk/fagpakker/softwarekonstruktion.html
Engelsk titel | Data Models and Analysis Techniques |
Modulkode | DSNITEV11 |
Modultype | Kursus |
Semester | Tjek detaljer på https://www.master-it-vest.dk/fagpakker/softwarekonstruktion.html |
ECTS | 5 |
Undervisningssprog | Dansk |
Undervisningssted | Campus Aalborg |
Modulansvarlig |
Studienævn | Studienævnet for Datalogi |
Institut | Institut for Datalogi |
Fakultet | Det Tekniske Fakultet for IT og Design |