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 logistisk regression, k-nearest neighbors, decision trees). Medier beskrives via features dannet udfra højniveau programmeringssprog og APIer. Kurset giver en konceptuel basis for at kunne modellere sociale data. 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
• Anvende principperne for præsentation af visuel information til at danne visualiseringer af komplekse datasæt.
• Forklare og evaluere de mest brugte mål for similaritet mellem objekter og brugere; bruge similariteterne til at danne meningsfulde grupperinger.
• Implementere kollaborativ filtrering til personalisering af indhold.
• Anvende logistisk regression til simpel klassifikation.
• Anvende k-nearest neighbors 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.

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. 28. oktober, 2016