Spatial and Temporal Analytics

2024/2025

Modulets indhold, forløb og pædagogik

FORMÅl

Formålet med kurset er at udstyre den studerende til at udføre analyser, der muliggør værdiskabelse ud fra spatial, temporal, og spatio-temporal data. Sådanne data forekommer ofte i mange vigtige samfundsmæssige og industrielle miljøer og applikationer, f.eks. I relation til smart cities, transport, analyser af sociale medier, folketællingsdataprogrammer, forudsigelig vedligeholdelse og digital energi

Læringsmål

Viden

  • kendskab til forskellige klasser af analyser relateret til spatial, temporal, og spatio-temporal data såsom det følgende
  • metoder til aggregering og identifikation af mønstre: Eksempler omfatter spatial and temporal aggregering og identifikation af tidsmæssige og rumlige mønstre; og motiver, tendenser og periodicitet i tidsserier

  • metoder til identifikation af lighed og klynger: Eksempler omfatter forespørgsel fra nærmeste nabo om geografiske og rumlige data; gruppering af spatial and spatio-temporal data, såsom interessepunktdata og andre rumligt og tidsmæssigt kommenterede data; trajectory mining og klynge, såsom identifikation af sambevægelse, konvojer, flokke og sværme; og lighed og sammenhænge i tidsserier

  • metoder til identifikation af outliers: f.eks. Detektering af outlier i data af interessepunkter, tidsserier og baner

  • forudsigelsesmetoder: for eksempel forudsigelse af fremtidige tilstande fra nuværende og tidligere data i form af tidsserier, forudsigelse af fremtidige placeringer af baner

 

Færdigheder

  • at kunne modellere og repræsentere et givet spatial og temporal datasæt på en effektiv måde
     
  • at kunne udføre analyser af givne spatial og temporal data ved hjælp af relevante metoder og teknikker

Kompetencer

  • at kunne vælge relevante metoder og teknikker til en given spatial og temporal analyseanvendelse
     
  • i stand til at forstå og begrunde resultaterne af spatial og temporal analyse

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 navnSpatial and Temporal Analytics
Prøveform
Skriftlig eller mundtlig
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 titelSpatial and Temporal Analytics
ModulkodeDSNDVK302
ModultypeKursus
Varighed1 semester
SemesterEfterår
ECTS5
UndervisningssprogDansk og engelsk
TompladsJa
UndervisningsstedCampus Aalborg
Modulansvarlig

Organisation

UddannelsesejerCand.scient. i datavidenskab og machine learning
StudienævnStudienævn for Datalogi
InstitutInstitut for Datalogi
FakultetDet Teknisk Fakultet for IT og Design