Data mining och data warehousing
Kursplan, Grundnivå, 2AD332
Kursen är avvecklad.
- Kod
- 2AD332
- Utbildningsnivå
- Grundnivå
- Huvudområde(n) med fördjupning
- Data- och systemvetenskap G2F
- Betygsskala
- Underkänd (U), godkänd (G), väl godkänd (VG)
- Fastställd av
- Institutionsstyrelsen, 25 oktober 2016
- Ansvarig institution
- Institutionen för informatik och media
Behörighetskrav
Data- och systemvetenskap 52,5 hp eller motsvarande, varav minst 7,5 hp databaser
Mål
Vad gäller kunskap och förståelse förväntas studenten efter genomgången kurs kunna
- förklara väsentliga begrepp inom områdena datalagring (Data Warehousing), Big Data Analytics och datautvinning (Data Mining)
- förklara hur olika databassystem, med betoning på datalager och NoSQL-teknologier, kan förbättra beslutsprocesser i organisationer
- beskriva olika datautvinningsmetoder samt skillnaderna mellan dessa
- förklara i vilka situationer en viss datautvinningsmetod kan användas för att besvara en given fråga
Vad gäller färdigheter och förmåga förväntas studenten efter genomgången kurs kunna
- planera en forskningsfrågebaserad datautvinningsprocess, inklusive val av data, förbehandlingsmetod(er), datautvinningsmetod(er) samt metod för evaluering av resultaten
- använda elementära datautvinningsmetoder för att genomföra analyser
Vad gäller värderingsförmåga och förhållningssätt förväntas studenten efter genomgången kurs kunna
- tolka och analysera resultaten av en datautvinningsprocess, samt värdera effekterna av val som har gjorts under processen
- analysera och värdera de sociala följderna av datautvinning och Big Data i samhället med hänsyn till etiska aspekter
Innehåll
Datatyper och dataegenskaper, datatransformation
Dataanalys och datalagring
Datalagringssystem och komponenter
Teknologier för behandling av Big Data samt tillämpningar
Datautvinningsprocessen
Datautvinningsmetoder: klassificering, klustring, associationsanalys, avvikelseanalys samt textutvinning
Datautvinningstillämpningar
Samhälleliga och etiska följder av datautvinning och Big Data Analytics
Undervisning
Föreläsningar, laborationer, seminarier
Examination
Tentamen, inlämningsuppgifter, laborationer, seminarium