NDAA13002U Dataanalyse (DA)

Årgang 2013/2014
Engelsk titel

Data Analysis (DA)

Uddannelse
Bacheloruddannelsen i datalogi
Kursusindhold

Formålet med kurset er at give en grundlæggende og bred introduktion til repræsentation, analyse og behandling af samplet data; at introducere den studerende til simple statistiske analyser af eksperimentel data samt data visualisering.  Eksempler tages fra den virkelige verden såsom målinger af internettrafik, aktiemarkedsdata eller forbrugerdata, digital lyd og billede, osv.  Endvidere gives en introduktion til programmeringsværktøjer til dataanalyse.

Kurset vil indeholde:

  • Introduktion til databehandling og -filtrering.
  • Sampling, samplet data frekvensrepræsentation.
  • Sandsynlighedsregning og statistik, Bayesisk inferens.
  • Parameterestimering, mindste kvadraters metode, lineær regression, matematisk modellering.
  • Multivariat statistik, pricipalkomponentanalyse.
  • Præsentation af analyseresultater inklusive visualisering med simpel plotting.
  • Introduktion til MATLAB.
Målbeskrivelser

Viden

Den studerende vil have kendskab til dataanalysemetoder omfattende datarepræsentation, filtrering, modellering og estimering samt visualisering.

Færdigheder

Den studerende vil være i stand til at:

  • Vælge en passende datarepræsentation og transformere mellem rum/tid- og frekvensdomæner, filtrere i både run/tids- og frekvensdomæner.
  • Anvende sandsynlighedsteori og statistik til problemer med skalar- og vektorværdier.
  • Anvende mindste kvadraters metode til lineær modellering og estimering.
  • Analysere samplet data med passende matematiske modelleringsværktøjer.
  • Beskrive udvalgte multivariatmetoder og deres anvendelse, specifikt principalkomponentanalyse (PCA) og dennes brug i dimensionsreduktion.
  • Visualisere lav- og højdimensionel data med simple plot og billeder.
  • Implementere simple dataanalyse og -modelleringsmedtoder.
  • Udføre analyse af eksperimentel data med brug af de i kurset lærte metoder og evaluere resultaterne deraf.

Kompetencer

Den studerende vil være i stand til at udføre grundlæggende dataanalyseopgaver omfattende modellering, visualisering og fortolkning af resultater samt vurdere metodernes begrænsninger.

Se Absalonsiden.

DiMS eller MatIntro, LinAlg, OOPD og SS.
Forelæsninger, praktiske øvelser og obligatoriske opgaver.
  • Kategori
  • Timer
  • Forberedelse
  • 30
  • Forelæsninger
  • 32
  • Praktiske øvelser
  • 72
  • Teoretiske øvelser
  • 72
  • I alt
  • 206
Point
7,5 ECTS
Prøveform
Løbende bedømmelse
Eksamen består af en løbende bedømmelse af 4-6 hjemmeopgaver. Opgaverne vægtes lige.
Hjælpemidler
Alle hjælpemidler tilladt
Bedømmelsesform
7-trins skala
Censurform
Ingen ekstern censur
Flere interne bedømmere
Reeksamen
20 minutters mundtlig eksamen uden forberedelse men med hjælpemidler.
Kriterier for bedømmelse
Se målbeskrivelsen