Modulets indhold, forløb og pædagogik

FORMÅL          
Der indsamles stadig større datamængder, der vedrører samfundsmæssige og industrielle processer. Disse data er struktureret forskelligt og inkluderer tabeldata og mere komplekse, grafstrukturerede data.

Vellykket værdiskabelse baseret på sådanne data indebærer dataintegration, forberedelse og styring, foruden dataanalyse og maskinlæring, der understøtter dataudforskning og videnudtrækning. Det er typisk data og beregningsmæssigt intensive processer, der kræver avanceret databehandling, dataanalyse og maskinlæring

Læringsmål

Viden

• Viden om dataforberedelse og behandlingsteknikker, der er relevante for projektdomænet.
   
• Viden om relevante dataanalyser og maskinlæringsmetoder til løsning af datavidenskabelige problemer, der involverer data lige fra tabeldata til komplekse, grafstrukturerede data.

Færdigheder

• Identificere et konkret og relevant applikationsdomæne, for hvilket en eller flere egnede datakilder er tilgængelige.
   
• Udvikle en datalogisk løsning til et applikationsdomæne.
   
• Udføre dataforberedelse og anvende dataanalyse og metoder til maskinlæring samt analysere resultaterne.
   
• Dokumentere den udviklede løsning og resultaterne, herunder den viden, der er opnået om domænet.

Kompetencer

• Begrunde relevante teknikker og metoder til integration og behandling af tilgængelige data.
   
• Begrunde relevante dataanalyser og metoder til maskinlæring.
   
• Reflektere over de anvendte metoder og teknikker samt de opnåede resultater.

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