Maskininlärning för sociala medier, 6 hp (TNM108)
Machine Learning for Social Media, 6 credits
Huvudområde
MedieteknikNivå
Avancerad nivåKurstyp
ProgramkursExaminator
Pierangelo DellacquaStudierektor eller motsvarande
Camilla ForsellTillgänglig för utbytesstudenter
JaKursen ges för | Termin | Period | Block | Språk | Ort | VOF | |
---|---|---|---|---|---|---|---|
6CMEN | Civilingenjör i medieteknik | 7 (HT 2021) | 1, 2 | 3, 3 | Engelska | Norrköping | v |
Huvudområde
MedieteknikUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1XKursen ges för
- Civilingenjörsprogram i medieteknik
Särskild information
Får ej ingå i examen tillsammans med TDDE01, TDDE15 eller TDDE16.
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 | U, 3, 4, 5 | 3 hp |
LAB1 | Laborationer | U, G | 3 hp |
Betygsskala
Fyrgradig skala, LiU, U, 3, 4, 5Institution
Institutionen för teknik och naturvetenskapStudierektor eller motsvarande
Camilla ForsellExaminator
Pierangelo DellacquaUndervisningstid
Preliminär schemalagd tid: 0 hRekommenderad självstudietid: 160 h
Ladda ner
PRA1 | Projektarbete | U, 3, 4, 5 | 3 hp |
LAB1 | Laborationer | U, G | 3 hp |
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.