Hoppa till huvudinnehållet

FID3214 Programmering för data science 7,5 hp

Efter godkänd kurs ska studenten kunna redogöra för, resonera kring, implementera samt tillämpa I) tekniker för att omvandla data till lämpligt format för dataanalys, II) algoritmer för att analysera data genom övervakad och oövervakad maskininlärning, samt III) tekniker och prestandamått för utvärdering av dataanalysresultat.

Välj termin och kursomgång

Välj termin och kursomgång för att se information från rätt kursplan och kursomgång.

Rubriker med innehåll från kursplan FID3214 (HT 2020–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

Syntax och semantik for programspråk som är särskilt lämpade for data science, t.ex. Python. Rutiner for att importera, kombinera, omvandla och göra urval av data. Algoritmer for hantering av saknade värden, diskretisering och dimensionalitetsreduktion. Algoritmer for övervakad maskininlärning, t.ex. naive Bayes, beslutsträd, och random forests. Algoritmer for oövervakad maskininlärning, t.ex. k-­means clustering. Bibliotek for dataanalys. Utvärderingsmetoder och prestandamått. Visualisering och analys av resultat från dataanalys.

Kursupplägg

Tio förelasningar (ej obligatoriska)

Ett obligatoriskt seminarium

Fyra inlämningsuppgifter, varav en redovisas vid seminariet

Kurslitteratur

I. Witten, E. Frank, M. Hall and C. Pal, Data Mining: Practical Machine Learning Tools and Techniques (4th ed.), Morgan Kaufmann, 2016 ISBN: 9780128042915. J. VanderPlas, Python Data Science Handbook: Essential tools for working with data (1st ed.), O'Reilly Media Inc., 2016 ISBN: 9781491912058.

Utrustningskrav

Egen dator

Lärandemål

Efter godkänd kurs ska studenten kunna:

1. redogöra för och resonera om tillämpningen av

  • tekniker for att omvandla data till lämpligt format for dataanalys
  • algoritmer för att analysera data genom övervakad och oövervakad maskininlärning, samt
  • tekniker och prestandamått för utvärdering av dataanalysresultat

2. implementera och tillämpa

  • tekniker for att omvandla data till lämpligt format för dataanalys,
  • algoritmer for övervakad och oövervakad maskininlarning, samt
  • tekniker och prestandamått for utvärdering av dataanalysresultat

Kursupplägg

Ingen information tillagd

Kurslitteratur och förberedelser

Särskild behörighet

Ingen information tillagd

Rekommenderade förkunskaper

Ingen information tillagd

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

P, F

Examination

  • EXA1 - Examination, 7,5 hp, betygsskala: P, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Tre av de fyra inlämningsuppgifterna är detsamma som för motsvarande kurs på avancerad nivå (ID2214). Den fjärde inlämningsuppgiften utgörs av ett avgränsat forskningsprojekt, där det ingår att identifiera en forskningsfråga och redovisa resultat i form av en kort vetenskaplig artikel.

Övriga krav för slutbetyg

Godkänt på samtliga inlämningsuppgifter, inklusive presentation på slutseminariet.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kurswebb

Ytterligare information om kursen kan hittas på kurswebben via länken nedan. Information på kurswebben kommer framöver flyttas till denna sida.

Kurswebb FID3214

Ges av

Huvudområde

Denna kurs tillhör inget huvudområde.

Utbildningsnivå

Forskarnivå

Påbyggnad

Ingen information tillagd

Kontaktperson

Henrik Boström (bostromh@kth.se), Amirhossein Akhavanrahnama (amiakh@kth.se)

Forskarkurs

Forskarkurser på EECS/Programvaruteknik och datorsystem