Anbefalede faglige forudsætninger for at deltage i modulet

Kurset bygger på viden svarende til den viden, man opnår fra kurset Maskinintelligens på 5. semester.

Modulets indhold, forløb og pædagogik

De studerende lærer, hvordan data mining kan bruges til at opdage skjulte regler, mønstre eller strukturer i store datasæt.

Læringsmål

Viden

De studerende skal opnå viden om centrale koncepter og teknikker i data mining såsom:

• teknikker til præprocessering af data såsom feature selection, dimensionalitetsreduktion og opdagelse af outliers
• data clustering
• teknikker til opdagelse af regler og mønstre såsom association rule mining og læring af beslutningstræer
• evaluering af resultater fra data mining.

Færdigheder

• kunne anvende teknikker fra data mining på data fra den virkelige verden vha. passende softwareværktøjer og programmeringssprog.
• kunne dokumentere resultaterne af data mining på et datasæt med korrekt brug af terminologi samt anvende passende evalueringsmetoder.

Kompetencer

• kunne identificere relevante mål og teknikker for data mining i et givent anvendelsesområde.
• kunne fortolke resultaterne af en undersøgelse med data mining.

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 navn	Data Mining
Prøveform	Skriftlig eller mundtlig
ECTS	5
Bedømmelsesform	7-trins-skala
Censur	Intern prøve
Vurderingskriterier	Vurderingskriterierne er angivet i Universitetets eksamensordning

Yderligere informationer

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