Særlig dag
Eksamen afholdes som en posterpræsentation en eftermiddag omkring eksamensperioden.
Evalueringsform:
Hjælpemidler:
Bedømmelsesform:
Faglige forudsætninger:
Ønskelige forudsætninger:
Deltagerbegrænsning:
Maksimum: 30
Overordnede kursusmål:
At give deltagere viden om Python programmering, særligt for machine learning og i Internet applikationer.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
Organisere arbejde i en projektgruppe.
Designe en applikation.
Implementere en applikation i Python.
Anvende numeriske, beregningsmæssige, statistisk, machine learning dele af Python eller metoder til tekstprocessering
Vælge mellem forskellige metoder til at hente data, processere og præsentere data gennem Python.
Forklare og rapportere arbejde gennem et teknisk dokument.
Organiser projekt resultater ved en poster.
Argumentere og forsvare mundtligt ved en poster præsentation.
Kursusindhold:
Kurset starter med forelæsninger der introducerer Python programmeringssproget og nogle af udvidelserne såsom de numeriske og videnskabelige biblioteker og Internet applikationer. I den sidste del af kurset foretager deltagere et programmeringsprojekt.
Eksempler på projekter kan være neuroinformatik og bioinformatik Web service med data mining, YouTube tekst-stemmingsanalyse, Twitter tekst-mining, wiki mining and Facebook graph mining.
Bemærkninger:
Der er intet fast kursus materiale. Studerende kan dog finde hjælp i Toby Segaram (2007). *Programming Collective Intelligence*, O'Reilly (for machine learning og web. 2.0); Jennifer Campbell (2009) *Practical Programming*, Pragmatic Bookshelf (introducerende)
Mulighed for GRØN DYST deltagelse:
Kontakt underviseren for information om hvorvidt dette kursus giver den studerende mulighed for at lave eller forberede et projekt som kan deltage i DTUs studenterkonference om bæredygtighed, klimateknologi og miljø (GRØN DYST). Se mere på http://www.groendyst.dtu.dk/kursustilmelding.aspx
