English | Log ind

02467 Social informatik

2020/2021

Kurset er en del af bacheloruddannelsen Kunstig Intelligens og Data og er forbeholdt studerende fra denne uddannelse.
Kursusinformation
Computational Social Science
Dansk
5
Bachelor
F5A (ons 8-12)
Kurset udbydes første gang i foråret 2021
Campus Lyngby
Forelæsninger samt gruppearbejde med projekter.
13-uger
Ingen eksamen
Bedømmelse af opgave(r)/rapport(er)
Én samlet karakter gives på basis af en helhedsvurdering af øvelser (50%) og afsluttende projektrapport (50%). Specifikt baseres karakteren på bedømmelse af individualiserede grupperapporter.
Alle hjælpemidler er tilladt
7-trins skala , intern bedømmelse
0280502806
02450
Maksimum: 40
Sune Lehmann Jørgensen , Tlf. (+45) 4525 3904 , sljo@dtu.dk
Laura Alessandretti (Primær kontaktperson) , Tlf. (+45) 4525 3472 , lauale@dtu.dk
01 Institut for Matematik og Computer Science
I studieplanlæggeren
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
Overordnede kursusmål
Studerende i dette kursus vil kunne anvende netværksmodellering på lokal, community og global skala. Kan anvende basal tekst-analyse af fx sociale medier. Har viden om privatliv/etik- muligheder/udfordringer ved anvendelse af AI i sociale medier, undervisningssektoren, sundhedssektoren etc.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Evaluere og tilgå forskellige typer af online data til brug for datavisualisering.
  • Bruge state-of-the-art værktøjer til at filtrere, rense, or organisere store komplekse datasæt
  • Anvende natural language processing til at repræsentere statistiske strukturer i tekst og analysere indholdet.
  • Evaluere fundamentale metoder for komplekse netværk og modellere sociale strukturer baseret på netværksteori
  • Implementere software til at detektere grupper i sociale netværk og analysere grupperne via netværksmål.
  • Anvende standardværktøjer fra højniveausprogrammeringssprog (fx Python, MatLab, R) til at evaluere metoder for datavisualisering, inklusive dot og jitter plots, histogrammer, kernel density estimater, distributionsfunktioner og mere.
  • Evaluere og anvende metoder for datavisualisering til undersøgelse af multivariate data, inklusive estimering af funktionsrelationer (fx via smoothing, visualisering af residualer, vha log-skalaer, og simple regressionsmodeller).
  • Bruge visualiseringsteknikker til at evaluere og identificere problemer med standard statistiske mål, fx baseret på Simpson's paradoks og Anscombes kvartet.
  • Anvende de basale principper af fremvisning af visuel information (fx Tufte's seks principper for grafisk integritet) til at konstruere forklarende visualiseringer.
  • Diskutere nøgleproblemerne i at anvende machinelearning og AI på sociale data.
Kursusindhold
Kurset giver mulighed for at analysere data baseret på online sociale netværk som fx Twitter, Wikipedia, og Facebook, samt arbejde med kvantitativ tekstanalyse og data visualisering. Kurset er struktureret omkring korte forelæsninger kombineret med praktiske øvelser, samt en høj grad af selvstændigt projektarbejde.
Sidst opdateret
21. januar, 2021