Kursplan

Kursplan: Datautvinning

Kurskod: DT3019
Poäng: 7,5 högskolepoäng
Nivå: Avancerad nivå 1
Akademi: Akademin Industri och samhälle
Ämnestillhörighet: Datateknik (DTA)
Ämnesgrupp: Datateknik
Utbildningsområde: Tekniska området, 100%
Kursen kan ingå i följande huvudområde(n):
Mikrodataanalys1
Fördjupningsbeteckning för respektive huvudområde:
1A1N
Fastställd:
Fastställd i nämnden för Akademin Industri och samhälle 2007-11-28.
Kursplanen gäller fr.o.m. 2008-01-16.
Reviderad:
Reviderad 2013-03-01.
Revideringen är giltig fr.o.m. 2013-03-01.

Förkunskapskrav: Visa information om behörighetskrav

Mål

Efter avslutad kurs skall studenten ha:

  • Förståelse för såväl problem som möjligheter i hanterandet av särskilt stora mängder data där traditionella metoder praktiskt ej går att tillämpa.
  • Förmåga att använda effektiva kunskapsutforskande metoder för åtminstone en specifik databas.
  • Egen erfarenhet av att ha genomfört datautvinning med avancerade datautvinningsmetoder
  • Kunskap att göra kvantitativ och kvalitativ prognoser samt kunna förutse en framtida status av särskilt stora datamängder
  • Arbetat med relevanta verktyg för kunskapsutforskande och på ett effektivt vis kunna matcha olika verktyg mot olika tillämpningar.

Innehåll

Den här kursen ger studenten en introduktion till hur man söker kunskap ur riktigt stora databaser med hjälp av konceptet ”data mining”, eller datautvinning. Kursen ger studenten redskap och metoder för att bygga system utvecklade för att analysera riktigt stora datamängder. Såväl helt automatiska som delvis automatiska metoder för datautvinning samt kunskapsutforskning från större databaser studeras. Vidare studeras tekniker för att göra prognoser samt för att förutse ett systems framtida status.

- Introduktion till datautvinning
- Processmodeller för datautvinning
- Instansbaserat lärande
- Naiv Bayes
- Klustring
- Beslutsträd
- Associeringsregler
- Neurala nätverk
- Stödvektormaskiner
- Bayesiska nätverk
- Särskilda datautvinningsämnen
- Rumslig datautvinning
- Temporal datautvinning
- Visualisering
- Projektarbete

Examinationsformer

Dugga 1 hp (U-G), Skriftlig tentamen, muntlig redovisning i seminarieform, skriftlig projektrapport samt deltagande i laborationer, 6,5 hp (U-3-4-5)

Arbetsformer

Lektioner och laborationer. Kursen kan ges både på campus och som distans.

Betyg

Som betygsskala används U, 3, 4, 5

Slutbetyget på kursen sätts efter en samlad bedömning av examinator och undervisande lärare.

Förkunskapskrav Visa information om behörighetskrav

  • Kandidatexamen med minst 90 hp datateknik och 15 hp matematik eller motsvarande kunskaper

Övrigt

Maximalt fem tentamenstillfällen.
Ny kurs.

Summary in English

Litteratur

  • Witten, I. H., Frank, E., Hall, M. A. (2011) Data mining : practical machine learning tools and techniques. 3 uppl. Burlington, MA : Morgan Kaufmann. (629 s). ISBN 978-0-12-374856-0
    Övrigt: ISBN 13: 9780123748560

Referenslitteratur

Aktuella kurstillfällen

Höstterminen 2017

Anmälningskod:HDA-H2UW6
Anmälningsdatum:2017-04-18
Anmälan till:Universitets- och högskolerådet
Startar och slutar:v35, 2017 - v44, 2017
Studietakt:50%
Studieort:Borlänge
Språk:Engelska
Undervisningstid:Dag
Studieform:Normal
Studieplatser:
Behörighetskrav: [?]Kandidatexamen med minst 90 hp datateknik och 15 hp matematik eller motsvarande kunskaper

Ansök

Ansök på Antagning.se