Analyse af grafdata

2023/2024

Modulets indhold, forløb og pædagogik

Læringsmål

Viden

Den studerende skal opnå viden og færdigheder inden for graph data analytics, f.eks:   

Beskrivende grafanalyse

  • netværksegenskaber, såsom diameter og klynge
  • knudekarakteristika, såsom centralitet
  • fællesskabsstrukturanalyse (f.eks. gennem grafklynger)
  • introduktion til graph mining  

Graph Data Management til understøttelse af Analytics

  • graph data modeller, konstruktion, udtræk
  • graph databaser og forespørgsler
  • anvendelser af Graph Analytics

Færdigheder

  • demonstrere viden om graph data analytics metoder og teknikker  

  • kunne udvælge relevante begreber og teknikker for en given problemstilling indenfor graph data analytics  

  • kunne bruge korrekt notation og terminologi indenfor graph data analytics

Kompetencer

Den studerende skal kunne anvende graph data analytics metoder og teknikker teoretisk og praktisk herunder anvendelse i problemløsning

Undervisningsform

Undervisningen tilrettelægges i henhold til de generelle undervisningsformer for uddannelsen jf. § 17

Omfang og forventet arbejdsindsats

Det forventes at den studerende bruger 30 timer per ECTS, hvilket for denne aktivitet betyder 150 timer.

Eksamen

Prøver

Prøvens navnAnalyse af grafdata
Prøveform
Mundtlig pba. projekt
En mundtlig eksamen baseret på synopsis.
ECTS5
Bedømmelsesform7-trins-skala
CensurIntern prøve
VurderingskriterierVurderingskriterierne er angivet i Universitetets eksamensordning

Yderligere informationer

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

 

Fakta om modulet

Engelsk titelGraph Data Analytics
ModulkodeDSNDVB5112
ModultypeKursus
Varighed1 semester
SemesterEfterår
ECTS5
UndervisningssprogDansk
TompladsJa
UndervisningsstedCampus Aalborg
Modulansvarlig

Organisation

UddannelsesejerBachelor (BSc) i datavidenskab og machine learning
StudienævnStudienævn for Datalogi
InstitutInstitut for Datalogi
FakultetDet Teknisk Fakultet for IT og Design