Kursets formål er at gøre de studerende i stand til at visualisere
komplekse datasæt og anvende de mest brugte strategier for at
evaluere følelser og humør i medier (fx tekst, musik, billeder,
osv). Den studerende vil kunne anvende og evaluere simple machine
learning teknikker (fx ikke-negativ matrix faktorisering, dokument
klassifikation, decision trees) og analysere netværks dynamik.
Medier beskrives via features dannet udfra højniveau
programmeringssprog og APIer. Kurset giver en konceptuel basis for
at kunne modellere sociale data.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
Evaluere og tilgå forskellige typer af online data til brug for
datavisualisering.
Definere fundamentale principper for præsentation af visuel
information og anvende disse principper til at danne
visualiseringer af komplekse datasæt.
Anvende og diskutere hovedstrategierne for at bestemme humør i
medier (fx tekst, musik, billeder, osv).
Analysere latente semantiske relationer i indhold og anvende
basale machine learning metoder (baseret på latent semantik) til at
udføre affektiv computing.
Anvende non-negativ matrix faktorisering til at udlede
uafhængige features fra medier.
Anvende dokumentklassifikation til at kategorisere og analysere
inholdet af sociale datasæt - og evaluere resultaterne.
Anvende decision trees til at udlede underliggende mønstre i
adfæren fra sociale datasæt og evaluere resultaterne.
Kvantificere relationerne i sociale netværk med henblik
på at analysere deres dynamik ved brug af metode fra kompleks
netværksteori.
Kursusindhold:
Kurset er baseret på at beherske værktøjer til at analysere
datasæt dannet på baggrund af online sociale interaktioner. Kurset
er struktureret omkring korte forelæsninger kombineret med
praktiske øvelser, samt en høj grad af selvstændigt
projektarbejde.
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
