Text Mining, 6 hp

Text Mining, 6 credits

732A81

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Kurstyp

Fristående- och programkurs

Examinator

Marcel Bollmann

Kursansvarig

Marcel Bollmann

Studierektor eller motsvarande

Jonas Kvarnström

Tillgänglig för utbytesstudenter

Ja

Kontaktinformation

VOF = Valbar / Obligatorisk / Frivillig
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

Statistik

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1F

Kursen 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, EC

Övrig 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 datavetenskap
Kod Benämning Omfattning Betygsskala
PRA1 Examination 3 hp EC
LAB1 Laboration 3 hp EC
Det finns ingen kurslitteratur tillgänglig på studieinfo för den här kursen.

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.