Behörighetskrav

120 hp varav 30 hp matematik och 45 hp datavetenskap och/eller teknik, inklusive Databasteknik I, Statistisk maskininlärning och en fortsättningskurs i programmering. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

Mål

Efter godkänd kurs ska studenten kunna:

• förklara och använda grundläggande och avancerade metoder att utvinna förädlad information ur stora och komplexa datamängder, både i teori och i praktisk tillämpning,
• använda dessa metoder med lämpliga verktyg och språk,
• utvärdera och jämföra olika metoders lämplighet,
• göra bedömningar med hänsyn till relevanta vetenskapliga, samhälleliga och etiska aspekter i tillämpning av informationsutvinning,
• lösa avancerade informationsutvinningsproblem i grupp.

Innehåll

Data warehousing, text, graf och probabilistisk informationsutvinning, skalbara klustringsmetoder, associationsanalys, anomalidetektion, hantering av personlig integritet inom området informationsutvinning. Ämnena behandlas både teoretiskt och praktiskt genom laborationer där utvalda metoder implementeras och testas på typiska datamängder.

Undervisning

Föreläsningar, seminarier, laborationer och projekt. Gästföreläsning.

Examination

Skriftlig tentamen (5 hp) och ett projekt (2,5 hp) som redovisas muntligt och skriftligt.

Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en enskild student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.

Övriga föreskrifter

Kursen kan inte räknas in i examen med kursen Informationsutvinning I (1DL360), Informationsutvinning II (1DL460) eller Informationsutvinning (1DL025).