Data Mining

2018/2019

Forudsætninger/Anbefalede forudsætninger for at deltage i modulet

Modulet bygger på viden opnået i modulet Statistisk inferens for lineære modeller.

Modulets indhold, forløb og pædagogik

Læringsmål

Viden

  • har opnået en forståelse af computerintensive teknikker til at validere modeller (kryds-validering og bootstrap) samt kunne redegøre for varians-bias problematikken
  • har kendskab til forskellige metoder til at visualisere høj-dimensionale data
  • har forståelse for forskellen mellem klassifikation og regression, samt kende til metoder til at udføre klassifikation vha. klassifikationstræer, prototype metoder samt Bayes classifiers
  • kan redegøre for supervised og unsupervised metoder inden for statistical learning
  • kan redegøre for analysen af transaktionsdata vha. associationsregler
  • kan udføre link mining for netværksdata fx. internetsider
  • har viden om metoder til at udføre hierarkisk og partitionel klyngeanalyse
  • har viden om model averaging og bagging samt boosting

Færdigheder

  • er i stand til at identificere og anvende en relevant data mining algoritme i en specifik kontekst
  • kan identificere og diskutere svagheder/styrker ved forskellige data mining algoritmer i relation til en specifik analyse opgave
  • kan fortolke og kommunikere resultaterne af en given data mining analyse til ikke-specialister

Kompetencer

  • har evnen til at kunne overskue potentialer og begrænsninger af forskellige data mining software pakker
  • har forståelsen til kvalificeret at vælge og anvende et specifikt stykke software som imødekommer brugerkrav

Omfang og forventet arbejdsindsats

Kursusmodulets omfang er 5 ECTS svarende til 150 timers studieindsats.
 

Eksamen

Prøver

Prøvens navnData Mining
Prøveform
Skriftlig eller mundtlig
ECTS5
BedømmelsesformBestået/ikke bestået
CensurIntern prøve
VurderingskriterierSom angivet i Fællesbestemmelser for uddannelser:


http:/​/​www.engineering.aau.dk/​uddannelse/​Studieadministration/​

Fakta om modulet

Engelsk titelData Mining
ModulkodeF-MOK-K2-5
ModultypeKursus
Varighed1 semester
SemesterForår
ECTS5
TompladsJa
UndervisningsstedCampus Aalborg
Modulansvarlig

Organisation

StudienævnStudienævnet for Matematik, Fysik og Nanoteknologi
InstitutInstitut for Matematiske Fag
FakultetDet Ingeniør- og Naturvidenskabelige Fakultet