Forudsætninger/Anbefalede forudsætninger for at deltage i modulet

Modulets indhold, forløb og pædagogik

FORMÅL          
De studerende skal lære, hvordan man anvender moderne machine learning-metoder til dataanalyse. Potentielle juridiske og etiske aspekter af sådanne analyser skal tages i betragtning.

BEGRUNDELSE    
Machine learning giver kraftfulde værktøjer til at konstruere abstrakte datamodeller og til at bruge disse modeller til at lave forudsigelser om endnu uset data. Evnen til at gøre kompetent brug af disse værktøjer er en central færdighed i datavidenskab. I dette projektmodul fokuserer de studerende på anvendelse af teknikker fra machine learning og deres relation til kunstig intelligens. Når machine learning-metoder anvendes på datasæt fra den virkelige verden skal juridiske og etiske aspekter tages i betragtning.

Læringsmål

Viden

• have viden om et antal relevante teknikker fra machine learning, deres potentielle styrker og begrænsninger for et givent dataanalyseproblem samt metoder til kvantitativ evaluering af machine learning-modeller.
• have viden om relevante juridiske og etiske aspekter af anvendelse af machine learning-teknikker på data, der kan indeholde følsomt personligt data eller forretningsdata.

Færdigheder

• kunne anvende relevante machine learning-teknikker på data fra den virkelige verden vha. passende softwareværktøjer og programmeringssprog.
• kunne dokumentere resultaterne af dataanalyse med machine learning med brug af passende evalueringsmetoder.

Kompetencer

• kunne udvælge relevante machine learning-teknikker for et givent dataanalyseproblem.
• kunne fortolke resultaterne af dataanalyse med machine learning og forstå deres potentielle styrker og svagheder.

Undervisningsform

Projektarbejde

Omfang og forventet arbejdsindsats

Det forventes at den studerende bruger 30 timer per ECTS, hvilket for denne aktivitet betyder 450 timer.

Eksamen

Prøver

Yderligere informationer

Kontakt: Studienævn for datalogi via cs-sn@cs.aau.dk eller 9940 8854