ID2211 Datautvinning, grundkurs 7,5 hp

• Grundläggande definitioner inom grafteori, starka och svaga band, graddistribution och klustringsmått.
• Erdos-Renyi, Wats-Strogatz, konfigureringsmodell, effekten av en "liten värld".
• Slumpmässig grafvandring, Page Rank.
• Grafklustring, identifiering av "communities".
• Algoritmen "Label Propagation", länkprediktion.
• Grunder i maskininlärning av grafrepresentationer.

Efter godkänd kurs ska studenten kunna

• förklara olika fundamentala begrepp och algoritmer i datautvinning samt grundläggande tekniker för informationsnätverksanalys och utvinning (till exempel de fundamentala begreppen i grafteori, nätverksmodeller, algoritmer for grafklustring, identifiering av "communities", "Label Propagation", länkprediktion, etcetera)
• analysera, välja, använda, och utvärdera tekniker för datautvinning som bygger på ovanstående koncept, samt självständigt utforska och implementera existerande datautvinningsalgoritmer
• kommunicera fynd, resultat och idéer med klart och formellt språk.

Grundläggande bekantskap med sannolikhetslära, linjär algebra och förmåga att skriva icketriviella datorprogram.

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

• PRO1 - Projekt, 3,0 hp, betygsskala: P, F
• TEN1 - Tentamen, 4,5 hp, betygsskala: A, B, C, D, E, FX, 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.

Tentamen är skriftlig.

Sarunas Girdzijauskas

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

I denna kurs tillämpas EECS hederskodex, se: http://www.kth.se/eecs/utbildning/hederskodex.