KURSPLAN

Data Mining 7,5 högskolepoäng

Data Mining
Grundnivå, D0025E
Version
Kursplan gäller: Höst 2019 Lp 1 - Tillsvidare
Vald version visar för vilken termin och läsperiod som denna kursplanen gäller för. Senaste version visas först.

Kursplanen fastställd
av Jonny Johansson, HUL SRT 2017-02-15

Reviderad
av Jonny Johansson, HUL SRT 2018-11-21

Utbildningsnivå
Grundnivå
Fördjupningskod
G2F
Betygskala
U G VG
Ämne
Systemvetenskap
Ämnesgrupp (SCB)
Informatik/Data- och systemvetenskap
Ingår i huvudområde
Systemvetenskap

Behörighet

Grundläggande behörighet samt kunskaper i programmering (exemelvis D0009E eller D0007N) och grunder inom databaser (exempelvis D0004N eller D0018E). Goda färdigheter i det engelska språket, motsvarande engelska 6.


Urval

Urvalet grundas på 1-165 högskolepoäng.



Mål/Förväntat studieresultat

Data mining handlar om att upptäcka mönster och dold information i stora datamängder. Kursen syftar till förståelsen av begrepp och tekniker inom data mining. Kursen ger studenterna kunskap om de flesta aspekter av data mining och upptäckt av ny kunskap med fokus på hur teknik och algoritmer används för att lösa affärsproblem.

Efter kursen ska studenten kunna:

1. förstå vad data mining innebär;
2. skilja mellan ny kunskap i databasen och data mining;
3. beskriva data mining som en process;
4. förklara CRISP-DM process;
5. beskriva olika applikationer där data mining används;
6. förstå olika tekniker och algoritmer inom data mining;
7. analysera prestanda hos tekniker och algoritmer inom data mining;
8. utvärdera resultaten av användningen av tekniker och algoritmer;
9. förklara relationen mellan data mining och big data;
10. förstå hur man formulerar och löser affärsproblem med hjälp av data mining.


Kursinnehåll

Kursen kommer att behandla många områden och tekniker inom data mining t ex  vilken data som ska användas, strategier för data mining. Teknikerna kommer att studeras tillsammans med de algoritmer som behövs för att använda dem. Kursen kommer också att bygga på affärsidéer, det vill säga varje teknik kommer att studeras i ett affärsscenario. Detta kommer att öka förståelsen för teknikerna och ge studenten nödvändiga kunskaper och färdigheter som krävs för att formulera och lösa problem med data mining.


Genomförande
I kursen varvas föreläsningar med praktiska tillämpningar i form av inlämningsuppgifter. Lektionerna ska underlätta för studenten att förstå strukturer, sammanhang, metoder och modeller för utveckling av databasmodeller och implementering i databashanterare. Tillgång till DBMS gör det möjligt att testa om implementera databaser.

Undervisningen är helt nätbaserad med möjlighet till fysiska sammankomster. Mellan sammankomsterna kommunicerar de studenter som läser kursen på distans med kurskamrater och lärare via e-post och en webbaserad lärplattform. Studenter som läser kursen på campus i Luleå har regelbundna träffar med övriga studenter och lärare vid föreläsningar, handledning och grupparbeten.

Examination

Projektuppgifter/individuella uppgifter 2.5 hp U G

Skriftlig tentamen:  5 hp, U G VG 
Samtliga, både distans- och campusstudenter, skriver den individuella tentamen online. Webbkamera och mikrofon är ett krav.


Övrigt
Kursen kan inte ingå i examen tillsammans med D7040E.

Examinator
Ahmed Elragal

Övergångsbestämmelser
Kursen D0025E motsvarar kursen D7040E

Litteratur. Gäller från Höst 2017 Lp 1 (Kan ändras fram till 10 veckor innan studiestart)
Pang-Ning Tan, Michael Steinbach, and Vipin Kumar: Introduction to Data Mining, Addison Wesley, 2005

Kursgivare
Institutionen för system- och rymdteknik (SRT)

Moduler
KodBenämningBetygskalaHPTillståndGäller frånTitel
0001Projektuppgifter/individuella uppgifterU G#2.50ObligatoriskH17
0002TentamenU G VG5.00ObligatoriskH17

Studiehandledning
Studiehandledning finns i lärplattformen Canvas före kursstart. Du som är ny student hittar all information du behöver på www.ltu.se/nystudent. Du som redan studerar vid Luleå tekniska universitet hittar information om kursstart via schema på studentwebben alternativt via kursrummet i lärplattformen. Du når lärplattformen via Mitt LTU.