Data Mining - Clustering and Association Analysis, 15 hp

Data Mining - Clustering and Association Analysis, 15 credits

732A31

Kursen är nedlagd. Ersätts av 732A75.

Huvudområde

Datavetenskap

Utbildningsnivå

Avancerad nivå

Kurstyp

Fristående- och programkurs

Examinator

Patrick Lambrix

Studierektor eller motsvarande

Lena Strömbäck
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Språk Ort/Campus VOF
F7MSG Statistics and Data Mining, Master´s Programme 2 (VT 2017) 201704-201723 Engelska Linköping, Valla O

Huvudområde

Datavetenskap

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1X

Kursen ges för

  • Master´s Programme in Statistics and Data Mining

Lärandemål

Kursen lägger grunden för ett professionellt arbete och forskning dät stora datavolymer undersöks, modifieras, modelleras och utvärderas för att upptäcka tidigare okända mallar och trender.

Efter avslutad kurs skall den studerande kunna:

  • utnyttja begreppen som används inom oövervakad inlärning,
  • ge exempel på tillämpningar i vilka kluster- och associationsanalys är värdefulla,
  • redogöra för algoritmer som används i kluster- och associationsanalysen,
  • utnyttja klusteranalys för att genomföra uteliggaranalys,
  • använda en lämplig mjukvara för kluster- och associationsanalys och tolka det erhållna resultatet.
  • konstruera och genomföra en dataanalysuppgift som använder kluster- och associationsanalys och utvärdera 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 (e.g. K-means), hierarkisk klusteranalys, täthetsbaserad klusteranalys(t ex DBSCAN), klustervärdering, uteliggaranalys.

Undervisnings- och arbetsformer

Kursen består av föreläsningar, datorövningar, seminarier och ett projekt. Föreläsningarna ägnas åt genomgång av teori, koncept och metodik. Datorövningarna och projektarbetet ger praktisk tillämpning av kluster- och associationsanalys. Seminarier ägnas åt studentpresentationer och diskussioner av uppgifter. Förutom detta förväntas studenterna genomföra självstudier.

Examination

  • skriftlig tenta
  • redovisning av labbuppgifter
  • inlämning och presentation av projektarbetet

Studerande som 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 skall utgå från kursplanens formuleringar. Den kursvärdering som skall ingå i varje kurs skall 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 datavetenskap

Det finns inga examinationsmoment att visa.

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.