02805 Sociale grafer og interaktioner

2024/2025

Kursusinformation
Social graphs and interactions
Engelsk
10
Kandidat
Kurset udbydes som enkeltfag
Teknologisk specialisering (MSc), Human-Centered Artificial Intelligence
Teknologisk specialisering (MSc), Business Analytics
Teknologisk specialisering (MSc), Technology Entrepreneurship
Retningsspecifikt kursus (MSc), Business Analytics
Retningsspecifikt kursus (MSc), Human-Centered Artificial Intelligence
Retningsspecifikt kursus (MSc), Technology Entreneurship
Generel retningskompetence (MSc), Human-Centered Artificial Intelligence
E5 (ons 8-17)
Campus Lyngby
Forelæsninger samt gruppearbejde med projekter.
13-uger
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 - med adgang til internettet
7-trins skala , intern bedømmelse
02821
02815/02467
02100/02101 , Kurset benytter højniveau programmerinssprog (fx Python), så praktisk programmeringserfaring er anbefalet (fx i Python/​Java/​JavaScript/​C/​C++)
Sune Lehmann , Tlf. (+45) 4525 3904 , sljo@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
Kurset har som overordnet mål at gøre de studerende fortrolige med elementer og værktøjer forbundet med at hente og analysere brugergenereret data og tekst, samt analysere og modellere sociale relationer via netværksteori.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Interagere med APIer for dataindsamling.
  • Anvende et nøjniveauprogrammeringssprong (fx python) til at tilgå APIer for dataindsamling.
  • Anvende natural language processing til at repræsentere statistiske strukturer i tekst og analysere indholdet.
  • Anvende og diskutere hovedstrategierne for at bestemme humør i medier (fx tekst, musik, billeder, osv).
  • Anvende standardalgoritmer til at anbefale media (tekst, audio, video) udfra brugerpræferencer og kontekst (venner, humør, lokation, osv).
  • 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.
  • Kvantificere relationerne i sociale netværk med henblik på at analysere deres dynamik ved brug af metode fra kompleks netværksteori.
Kursusindhold
Kurset giver mulighed for at analysere data baseret på online sociale netværk som fx Twitter, Wikipedia, og Facebook, samt arbejde med kvantitativ tekstanalyse. Kurset er struktureret omkring korte forelæsninger kombineret med praktiske øvelser, samt en høj grad af selvstændigt projektarbejde.
Bemærkninger
Det anbefales at medbringe bærbar computer i forbindelse med kursets øvelser.
Sidst opdateret
02. maj, 2024