Aktiviteterne skifter mellem forelæsninger, opgaveregning og øvelser i Matlab, R eller Python (den studerende vælger selv mellem disse programmeringssprog). Øvelserne udføres i hold med 2-3 studerende.
At give deltagerne kendskab til: * en række grundlæggende og bredt anvendte metoder til data modellering v.h.a. machine learning, * en generel struktur til datamodellering, * Matlab, R eller Python som værktøj til dataanalyse (deltagerne kan frit vælge mellem disse programmeringssprog).
Kurset sætter således deltagerne i stand til at benytte machine learning til modellering af real-world data.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
Beskrive de vigtigste trin der er involveret i datamodellering fra forberedelse af data, modellering af data til evaluering og formidling af resultaterne.
Diskutere centrale machine learning begreber som featureudtrækning, kryds-validering, generalisering og overindlæring, prædiktion og curse of dimensionality.
Skitsere hvordan datamodelleringsmetoder virker og beskrive deres forudsætninger og begrænsninger.
Matche praktiske problemer til standard datamodelleringsproblemer såsom regression, klassifikation, tæthedsestimering, gruppering (clustering) og association mining.
Anvende struktureret datamodellering indenfor en bred vifte af anvendelsesområder såsom medicoteknik, bio-informatik, kemi, elektronik og computer science.
Beregne resultaterne af datamodelleringen ved brug af Matlab, R eller Python.
Bruge visualiseringsteknikker og statistik til at evaluere modelpræstationer, identificere mønstre og problemer med data.
Kombinere og modificere datamodelleringsværktøjer med henblik på at analysere eget datasæt samt formidle resultaterne af analysen.
Kursusindhold:
Struktureret datamodellering. Dataforbedredelse. Featureudtrækning og dimensionalitetsreduktion, herunder principal komponent analyse. Similaritetsmål og beskrivende statistikker. Visualisering og fortolkning af modeller. Overindlæring og generalisering. Klassifikation (beslutningstræer, nærmeste nabo, naiv Bayes, neurale netværk og ensemblemetoder). Lineær regression. Gruppering (k-means, hierarkisk gruppering og mixturmodeller). Associeringsregler. Tæthedsestimering og outlierdetektion. Anvendelser indenfor et bredt spektrum af ingeniørvidenskab.
Litteratur:
Pang-Ning Tan, Michael Steinbach, and Vipin Kumar, "Introduction to Data Mining."
Bemærkninger:
Kurset er et grundlæggende machine learning kursus som er relevant for alle tekniske diplom-, bachelor- og masterretninger. Kurset giver en komplet indføring i grundlæggende machine learning samt hands-on erfaring, og kan således stå alene.
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
