ID3018 Avancerad kurs i datautvinning och dataanalys 7,5 hp

Advanced Course in Data Mining and Analytics

OBS!

Informationen nedan baseras på en kursplan som ännu inte har börjat gälla.

Kursen är en läskurs på forskarnivå som täcker forskningsarbeten från de senaste två åren inom området Datautvinning och dataanalys för stora datamängder (s.k. "Big Data"). Speciellt fokus läggs på algoritmer och system för storskalig grafbearbetning, strömbearbetning, analys av sociala nätverk och decentraliserat maskinlärande. Varje deltagare skall finna egna relevanta forskningsartiklar, läsa och analysera dessas bidrag, ge en presentation av materialet och aktivt bidra till gruppdiskussionerna, samt även skriva en kort rapport om artiklarna.

  • Utbildningsnivå

    Forskarnivå
  • Huvudområde

  • Betygsskala

    P, F

Kurstillfällen/kursomgångar

HT19 för programstuderande

  • Perioder

    HT19 P2 (7,5 hp)

  • Anmälningskod

    51106

  • Kursen startar

    2019-10-28

  • Kursen slutar

    2020-01-14

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Kista

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

HT18 för programstuderande

  • Perioder

    HT18 P2 (7,5 hp)

  • Anmälningskod

    51767

  • Kursen startar

    2018-10-29

  • Kursen slutar

    2019-01-14

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    Campus Kista

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

Information för forskarstuderande om när kursen ges

Kursen ges tilsammas med kurs ID2222, period 2.

Lärandemål

Efter kursen kan studenten diskutera, analysera, presentera och kritiskt bedöma  de senaste forskningsrönen inom området Datautvinning och dataanalys för stora datamängder (s.k. "Big Data") och relatera detta till kunskap från relaterade områden. Studenten kan också bedöma och utvärdera nya trender samt även identifiera behov av ytterligare kunskap inom detta område.

Kursens huvudsakliga innehåll

Denna kurs är en läskurs på forskarnivå som täcker forskningsarbeten från de senaste två åren inom området Datautvinning och dataanalys för stora datamängder (s.k. "Big Data"). Speciellt fokus läggs på algoritmer och system för storskalig grafbearbetning, strömbearbetning, analys av sociala nätverk och decentraliserat maskinlärande. Varje deltagare skall finna egna relevanta forskningsartiklar, läsa och analysera dessas bidrag, ge en presentation av materialet och aktivt bidra till gruppdiskussionerna, samt även skriva en kort rapport om artiklarna.

Kursupplägg

Kursen är organiserad som en läskurs. Varje student väljer ett antal artiklar och för varje artikel skall studenten göra följande:
* noggrannt läsa och analysera artikeln.
* muntligt presentera artikelns innehåll, inkluderande metod och bidrag, för de övriga kursdeltagarna och kursens exainator. Presentationen inklusive en diskussion bör ta ungefär en timme.
* skriva en kritik av artikeln som täcker speciellt: en sammanfattning av dess bidrag, metod, signifikans, teknisk och experimentell kvalitet, och presentationskvalitet.
Förutom att presentera fyra artiklar vardera, skall studenterna läsa några av de artiklar som getts till de övriga deltagarna, delta i deras presentationer och akivt bidra till diskussionen om deras artiklar.

Behörighet

Inskriven som forskarstuderande.

Rekommenderade förkunskaper

Studenten bör ha generella kunskaper inom Datautvinning motsvarande kursen på avancerad nivå ID2222 "Datautvinning".

Litteratur

Latest papers in the area of Data Mining and Analytics from high-quality international venues.

Examination

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

P/F

Krav för slutbetyg

Kursen betygsätts med skalan P/F (godkänd/icke godkänd), baserat på en godkänd presentation, levererandet av en vetenskapligt sund rapport och identifieringen av lämpliga artiklar för läslistan. Dessförutan måste studenten delta i minst 75% av kursens seminarier.

Ges av

EECS/Programvaruteknik och datorsystem

Examinator

Sarunas Girdzijauskas <sarunasg@kth.se>

Versionsinformation

Kursplan gäller från och med HT2019.
Examinationsinformation gäller från och med VT2019.