02807 Beregningsmæssige Værktøjer til Datavidenskab (2022/2023)

02807 Beregningsmæssige Værktøjer til Datavidenskab

2022/2023

Kursusinformation

Engelsk titel	Computational Tools for Data Science
Undervisningssprog	Engelsk
Point( ECTS )	5
Kursustype	Kandidat Kurset udbydes som enkeltfag

Skemaplacering	E7 (tirs 18-22)
Undervisningens placering	Campus Lyngby
Undervisningsform	Forelæsninger, opgaveregning og projektarbejde.
Kursets varighed	13-uger
Eksamensplacering	E7, Ingen eksamen
Evalueringsform	Bedømmelse af øvelser og rapport(er) Bedømmelsen af rapporter er baseret på individualiserede grupperapporter.
Bedømmelsesform	7-trins skala , intern bedømmelse
Anbefalede forudsætninger	Solid programmeringserfaring. Minimum et kursus i programmering plus yderligere erfaring fra et andet kursus eller programmeringsprojekt. Kurset bruger Python. Der forventes, at deltagerne har (basal) kendskab til Python. Tutorials findes på nettet, for eksempel https://docs.python.org/3/tutorial/. Der er kun en kort brush-up i starten.
Deltagerbegrænsning	Minimum 20

Kursusansvarlig	Paul Fischer , Lyngby Campus, Bygning 322, Tlf. (+45) 4525 3713 , pafi@dtu.dk
Medansvarlige	David Earl Roberson (Primær kontaktperson) , Lyngby Campus, Bygning 322 , dero@dtu.dk Karl Magnus Heuer , Lyngby Campus, Bygning 322, Tlf. (+45) 4525 3645 , karheu@dtu.dk
Institut	01 Institut for Matematik og Computer Science
Kursushjemmeside	http://courses.compute.dtu.dk/02807/
Tilmelding	I studieplanlæggeren
Mulighed for GRØN DYST deltagelse	Dette kursus giver den studerende en 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

Dette kursus giver en kort og intensiv introduktion til beregningsberegningsmæssige værktøjer og teknikker til at håndtere store datamængder. Fokus er på praktisk erfaring.

Læringsmål

En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

Vælge eller udvikle algoritmer til specifikke data science anvendelser.
Sammenligne, evaluere og anvende teknologier for parallelle og distribuerede algoritmer.
Implementere algoritmer for data science og anvende dem på problemer fra den virkelige verden.
Sammenligne, evaluere og anvende beregningsberegningsmæssige værktøjer og teknikker for massive datamængder.
Finde, undersøge og evaluere relevant teknologier og litteratur relateret til beregningsmæssige værktøjer og teknikker for massive datamængder.
Kombinere beregningsmæssige værktøjer og teknikker for massive datamængder.
Analysere skalerbarhed af beregningsmæssige værktøjer og teknikker for massive datamængder.
Argumentere klart for valg i forbindelse med design og udvikling af løsninger.

Kursusindhold

Beregningsmæssige værktøjer og teknikker til at håndtere massive data mængder.

Litteraturhenvisninger

Mining of Massive Datasets;
Jure Leskovec, Anand Rajaraman, Jeffrey David Ullman;
Cambridge University Press, 2020; 3rd. edt.;
isbn: 9781108476348.
Online: http://www.mmds.org/

Sidst opdateret

04. august, 2022