SluitenHelpPrint
Switch to English
Cursus: INFOMDM
INFOMDM
Data mining
Cursus informatie
CursuscodeINFOMDM
Studiepunten (EC)7,5
Cursusdoelen
Na deze cursus heeft de student kennis van de werking van de volgende data mining algoritmen:
1. Classificatiebomen
2. Clustering en Self-Organizing Maps
3. Grafische modellen (inclusief Bayesiaanse netwerken)
4. Frequent Pattern Mining
5. Subgroup Discovery.
Tevens weet de student voor welk type data-analyse probleem de genoemde algoritmen kunnen worden ingezet, en hoe de modellen die door de verschillende algoritmen worden opgeleverd dienen te worden geinterpreteerd. In onderstaande tabel worden bovenstaande leerdoelen voor de vijf genoemde data-mining algoritmen/taken als (1) t/m (5) aangeduid. 
Voorts heeft de student kennis van algoritme-overstijgende problemen van data-analyse, zoals: over-fitting, the curse of dimensionality, en modelselectie (6). Tevens doet de student vaardigheid op met het data-analyse systeem R, door middel van twee practicum-opdrachten (7).
Inhoud
If properly processed and analyzed, data can be a valuable source of knowledge. Data mining provides the theory, techniques and tools to extract knowledge from data. Learning models from data can also be an important part of building a decision support system. In turn, the computer plays an increasingly important role in data analysis: through the use of computers, computationally expensive data mining methods can be applied that were not even considered in the early days of statistical data analysis. In this course a number of well-known data mining algorithms are coved. The type of problems they are suited for, their computational complexity and how to interpret and apply the models constructed with them are covered.
SluitenHelpPrint
Switch to English