Informationssystem C: Data Mining och Data Science
Kursplan, Grundnivå, 2IS051
Kursen är avvecklad.
- Kod
- 2IS051
- Utbildningsnivå
- Grundnivå
- Huvudområde(n) med fördjupning
- Informationssystem G1F
- Betygsskala
- Underkänd (U), godkänd (G), väl godkänd (VG)
- Fastställd av
- Institutionsstyrelsen, 26 oktober 2017
- Ansvarig institution
- Institutionen för informatik och media
Allmänt
Kursen tillhör biområdet databasteknik.
Behörighetskrav
52,5 hp informationssystem eller motsvarande inklusive 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
Litteraturlista
Litteraturlista saknas.