Avancerad Data Mining, 6 hp
Advanced Data Mining, 6 credits
732A75
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåKurstyp
Fristående- och programkursExaminator
Patrick LambrixKursansvarig
Patrick LambrixStudierektor eller motsvarande
Patrick LambrixKursen ges för | Termin | Veckor | Block | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|---|
F7MSL | Statistics and Machine Learning, Master´s Programme | 2 (VT 2020) | 202004-202013 | 3 | Engelska | Linköping, Valla | O |
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1NKursen ges för
- Masters Programme in Statistics and Machine Learning
Förkunskapskrav
Kandidatexamen i något av följande ämnen: statistik, matematik, tillämpad matematik, datavetenskap, teknik eller motsvarande examen. Utöver detta, erfordras godkända/avklarade kurser i matematisk analys, linjär algebra, statistik och programmering.
Engelska B eller motsvarande.
Lärandemål
Efter avslutad kurs skall den studerande på en avancerad nivå kunna:
- tillämpa begreppen som används inom oövervakad inlärning
- redogöra för tillämpningar i vilka kluster- och associationsanalys är relevanta
- redogöra för algoritmer som används i kluster- och associationsanalysen
- tillämpa klusteranalys för att genomföra uteliggaranalys
- använda en lämplig mjukvara för kluster- och associationsanalys och tolka det erhållna resultatet
Kursinnehåll
Associationsanalys: begrepp och metoder relaterade till frekventa enhetsmängder och associationsregler såsom Apriori principen, FP-uppväxt och utvärdering av associationsregler.
Klusteranalys: begrepp och metoder relaterade till partitionella klustringsmetoder, hierarkisk klusteranalys, täthetsbaserad klusteranalys, klustervärdering, uteliggaranalys.
Undervisnings- och arbetsformer
Kursen består av föreläsningar, datorövningar och seminarier. Utöver detta ska den studerande utöva självstudier. Undervisningsspråk: Engelska
Examination
Kursen examineras genom en individuell skriftlig tentamen och laborationsuppgifter. Detaljerad information återfinns i studiehandledningen.
Studerande, vars examination underkänts två gånger på kursen eller del av kursen, har rätt att begära en annan examinator vid förnyat examinationstillfälle.
Den som godkänts i prov får ej delta i förnyat prov för högre betyg.
Betygsskala
ECTS, ECÖvrig information
Planering och genomförande av kurs ska utgå från kursplanens formuleringar. Den kursvärdering som ska ingå i varje kurs ska därför behandla frågan om hur kursen överensstämmer med kursplanen.
Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.
Institution
Institutionen för datavetenskapKod | Benämning | Omfattning | Betygsskala |
---|---|---|---|
TEN1 | Skriftlig tentamen | 4 hp | EC |
LAB2 | Laboration | 2 hp | EC |
Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida.
Det finns inga filer att visa.