Maskininlärning för sociala medier, 6 hp

Machine Learning for Social Media, 6 credits

TNM108

Kursstart

Huvudområde

Medieteknik

Utbildningsnivå

Avancerad nivå

Kurstyp

Programkurs

Examinator

Pierangelo Dellacqua

Studierektor eller motsvarande

Camilla Forsell

Undervisningstid

Preliminär schemalagd tid: 0 h
Rekommenderad självstudietid: 160 h

Tillgänglig för utbytesstudenter

Information om möjliga avsteg från kursplan/utbildningsplan

VOF = Valbar / Obligatorisk / Frivillig

Kursen ges för		Termin	Period	Block	Språk	Ort/Campus	VOF
6CMEN	Civilingenjör i medieteknik	7 (HT 2019)	1, 2	3, 3	Engelska	Norrköping, Norrköping	V

Huvudområde

Medieteknik

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1X

Kursen ges för

Civilingenjör i medieteknik

Särskild information

Får ej ingå i examen tillsammans med TDDE01, TDDE15 eller TDDE16.

Förkunskapskrav

OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.

Rekommenderade förkunskaper

Sannolikhetslära och statistik, matematisk analys, linjär algebra och grundläggande programmering.

Lärandemål

Kursens övergripande mål är att ge kunskap om maskininlärning i en kontext av analys av data från sociala medier.

Efter avslutad kurs skall den studerande kunna:

använda maskininlärningstekniker för att formulera och lösa praktiska problem
utvärdera och välja mellan maskininlärningsmodeller
använda maskininlärningsmodeller för prediktion och beslutsfattande
implementera maskininlärningsmodeller och algoritmer i ett programmeringsspråk
använda grundläggande metoder för att extrahera information and hämta textbaserad social data
använda tekniker för textbearbetning och förbereda dokument för statistisk modellering
använda relevanta använda maskininlärningsmodeller för analys av textuell data och korrekt tolkning av resultat
grundläggande concept och mer avancerade tekniker för att producera rekommendationer
demonstrera kunskap av grundläggande koncept i grafteori och informationsflöde

Kursinnehåll

Översikt av maskininlärningsområdet och dess tillämpningsområden. Maskininlärningsalgoritmer som används inom sociala medier. Textutvinning, natural language processing , sentiment analysis, recommender systems, aspekter inom sociologi (graf teori, informationsflöde)

Undervisnings- och arbetsformer

Undervisningen består av föreläsningar och datorlaborationer. Föreläsningar används för att introducera begrepp och teori som studenterna sedan använder i praktisk problemlösning vid datorlaborationer. Under kursens gång genomförs också ett projektarbete.

Examination

PRA1	Projektarbete	3 hp	U, 3, 4, 5
LAB1	Laborationer	3 hp	U, G

Betygsskala

Fyrgradig skala, LiU, U, 3, 4, 5

Övrig information

Om undervisningsspråk

Undervisningsspråk visas på respektive kurstillfälle på fliken "Översikt".

Observera att även om undervisningsspråk är svenska kan delar av kursen ges på engelska.
Om undervisningsspråk är Svenska/Engelska kan kursen i sin helhet ges på engelska vid behov.
Om undervisningsspråk är Engelska ges kursen i sin helhet på engelska.

Övrigt

Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.

Planering och genomförande av kurs skall utgå från kursplanens formuleringar. Den kursvärdering som ingår i kursen skall därför genomföras med kursplanen som utgångspunkt.

Institution

Institutionen för teknik och naturvetenskap

Studierektor eller motsvarande

Camilla Forsell

Examinator

Pierangelo Dellacqua

Undervisningstid

Preliminär schemalagd tid: 0 h
Rekommenderad självstudietid: 160 h

Kod	Benämning	Omfattning	Betygsskala
PRA1	Projektarbete	3 hp	U, 3, 4, 5
LAB1	Laborationer	3 hp	U, G

Rättigheter och skyldigheter som student (inloggning krävs)
Linköpings universitets generella regelverk

Det finns ingen kurslitteratur tillgänglig på studieinfo för den här kursen.

I = Introducera, U = Undervisa, A = Använda

		I	U	A	Moduler	Kommentar
1. ÄMNESKUNSKAPER
	1.1 Kunskaper i grundläggande (motsvarande G1X) matematiska och naturvetenskapliga ämnen
	1.2 Kunskaper i grundläggande (motsvarande G1X) teknikvetenskapliga ämnen
	1.3 Fördjupade kunskaper (motsvarande G2X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen
	1.4 Väsentligt fördjupade kunskaper (motsvarande A1X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen
	1.5 Insikt i aktuellt forsknings- och utvecklingsarbete
2. INDIVIDUELLA OCH YRKESMÄSSIGA FÄRDIGHETER OCH FÖRHÅLLNINGSSÄTT
	2.1 Analytiskt tänkande och problemlösning
	2.2 Experimenterande och undersökande arbetssätt samt kunskapsbildning
	2.3 Systemtänkande
	2.4 Förhållningssätt, tänkande och lärande
	2.5 Etik, likabehandling och ansvarstagande
3. FÖRMÅGA ATT ARBETA I GRUPP OCH ATT KOMMUNICERA
	3.1 Arbete i grupp
	3.2 Kommunikation
	3.3 Kommunikation på främmande språk
4. PLANERING, UTVECKLING, REALISERING OCH DRIFT AV TEKNISKA PRODUKTER OCH SYSTEM MED HÄNSYN TILL AFFÄRSMÄSSIGA OCH SAMHÄLLELIGA BEHOV OCH KRAV
	4.1 Samhälleliga villkor, inklusive ekonomiskt, socialt och ekologiskt hållbar utveckling
	4.2 Företags- och affärsmässiga villkor
	4.3 Att identifiera behov samt strukturera och planera utveckling av produkter och system
	4.4 Att konstruera produkter och system
	4.5 Att realisera produkter och system
	4.6 Att ta i drift och använda produkter och system
5. PLANERING, GENOMFÖRANDE OCH PRESENTATION AV FORSKNINGS- ELLER UTVECKLINGSPROJEKT MED HÄNSYN TILL VETENSKAPLIGA OCH SAMHÄLLELIGA BEHOV OCH KRAV
	5.1 Samhälleliga villkor, inklusive ekonomiskt, socialt och ekologiskt hållbar utveckling för kunskapsutveckling
	5.2 Ekonomiska villkor för kunskapsutveckling
	5.3 Att identifiera behov samt strukturera och planera forsknings- eller utvecklingsprojekt
	5.4 Att genomföra forsknings- eller utvecklingsprojekt
	5.5 Att redovisa och utvärdera forsknings- eller utvecklingsprojekt

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.