Text Mining, 6 hp
Text Mining, 6 credits
732A81
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåKurstyp
Fristående- och programkursExaminator
Marcel BollmannKursansvarig
Marcel BollmannStudierektor eller motsvarande
Jonas KvarnströmTillgänglig för utbytesstudenter
JaKontaktinformation
Jennie Wallin
Kursen ges för | Termin | Veckor | Block | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|---|
Fristående kurs (Halvfart, Dagtid) | HT 2023 | 202344-202402 | 2 | Engelska | Linköping, Valla | ||
F7MKT | Kognitionsvetenskap, masterprogram | 3 (HT 2023) | 202344-202402 | 2 | Engelska | Linköping, Valla | V |
F7MSL | Statistics and Machine Learning, Master´s Programme - First and main admission round | 3 (HT 2023) | 202344-202402 | 2 | Engelska | Linköping, Valla | V |
F7MSL | Statistics and Machine Learning, Master´s Programme - Second admission round (open only for Swedish/EU students) | 3 (HT 2023) | 202344-202402 | 2 | Engelska | Linköping, Valla | V |
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1FKursen ges för
- Master's Programme in Statistics and Machine Learning
- Masterprogram i kognitionsvetenskap
Förkunskapskrav
- 180 hp avslutade kurser varav 90 hp inom något av följande ämnen:
- statistik
- matematik
- tillämpad matematik
- datavetenskap
- teknik
- Godkända kurser i:
- matematisk analys
- linjär algebra
- statistik
- programmering
- Engelska 6
Undantag ges för svenska - Minst 30 hp godkända från termin 1 och 2 på Master's Programme in Statistics and Machine
Learning, inklusive kursen Maskininlärning 9 hp, eller motsvarande förvärvade kunskaper
Lärandemål
Efter avslutad kurs ska den studerande på avancerad nivå kunna:
- implementera text mining-metoder och tillämpa dem på praktiska problem
- analysera och sammanfatta resultat från text mining-experiment
- identifiera, formulera och lösa problem inom text mining området
- klart redogöra för och diskutera slutsatserna av ett projektarbete
Kursinnehåll
I kursen behandlas följande metoder ut text mining-området:
- informationssökning
- grundläggande språkteknologiska metoder
- prediktiv modellering, särskild textklassificering
- textklustring och temamodellering
- informationsextraktion
- valideringsmetoder
Dessutom behandlas olika tillämpningar av text mining samt de programbibliotek och data som används inom området.
Undervisnings- och arbetsformer
Undervisningen består av föreläsningar, datalaborationer och handledning i samband med projektarbete. Utöver detta ska den studerande utöva självstudier.
Examinationsspråk: engelska
Studenten har rätt till handledning under studieperioden för det kurstillfälle som studenten är registrerad på och genomför projektarbetet.
Examination
Kursen examineras genom:
- skriftlig och muntlig redovisning av datorlaborationer i grupp, betygsskala: UG
- individuell skriftlig projektrapport, betygsskala: EC
För Godkänt (E) som slutbetyg krävs Godkänd (G) på laborationsmomentet och minst E på den individuella skriftliga projektrapporten. Högre betyg grundas på den individuella skriftliga projektrapporten.
Detaljerad information återfinns i studieanvisningen.
Om det finns särskilda skäl, och om det med hänsyn till det obligatoriska momentets karaktär är möjligt, får examinator besluta att ersätta det obligatoriska momentet med en annan likvärdig uppgift.
Om LiU: s koordinator för studenter med funktionsnedsättning har beviljat en student rätt till anpassad examination vid salstentamen har studenten rätt till det.
Om koordinatorn har gett studenten en rekommendation om anpassad examination eller alternativ examinationsform, får examinator besluta om detta om examinator bedömer det möjligt utifrån kursens mål.
Examinator får också besluta om anpassad examination eller alternativ examinationsform om examinator bedömer att det finns synnerliga skäl och examinator bedömer det möjligt utifrån kursens mål.
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 likvärdiga villkor råder med avseende på kön, könsöverskridande identitet eller uttryck, etnisk tillhörighet, religion eller annan trosuppfattning, funktionsnedsättning, sexuell läggning och ålder.
Om det föreligger synnerliga skäl får rektor i särskilt beslut ange förutsättningarna för, och delegera rätten att besluta om, tillfälliga avsteg från denna kursplan.
Institution
Institutionen för datavetenskapKod | Benämning | Omfattning | Betygsskala |
---|---|---|---|
PRA1 | Examination | 3 hp | EC |
LAB1 | Laboration | 3 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.