KURSPLAN

Data Mining 7,5 Högskolepoäng

Data Mining
Avancerad nivå, D7040E
Version
Kursplan gäller: Höst 2016 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 2016-02-15

Reviderad
av Jonny Johansson, HUL SRT 2016-02-15

Utbildningsnivå
Avancerad nivå
Fördjupningskod
A1N
Betygskala
U G VG
Ämne
Systemvetenskap
Ämnesgrupp (SCB)
Informatik/Data- och systemvetenskap

Behörighet

Minst 120 högskolepoäng varav minst 60 högskolepoäng in något av ämnena systemvetenskap eller datavetenskap. Dessutom krävs goda kunskaper i engelska, motsvarande Engelska B Kursen kräver goda kunskaper om databaser och programmering, D0005N Databaser II och D0007N Objektorienterad programutveckling eller motsvarande kurser.


Urval

Urvalet grundas på 20-285 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
Distansstudenter kan skriva sin tenta online, webbkamera är ett krav.


Examinator
Ahmed Elragal

Litteratur. Gäller från Höst 2016 Lp 1 (Kan ändras fram till 10 veckor innan studiestart)
Meddelas senare

Kursgivare
Institutionen för system- och rymdteknik

Prov
ProvnrTypHpBetyg
0001Projektuppgifter/individuella uppgifter2.5U G#
0002Tentamen5.0U G VG