Data Mining

Studiewijzer 2016/2017

Globale inhoud

The underlying question behind this course is how to algorithmically extract valuable information from raw data. Data Mining is an analytic process designed to explore data in search of consistent patterns and/or systematic relationships between variables, and then to validate the findings by applying the detected patterns to new subsets of data. The technological topics that will be covered in this course are:

• Classification algorithms
• Logistic regression
• Perceptron and neural networks
• Decision trees
• Support vector machines
• Frequent pattern matching
• Clustering algorithms

The course will further focus on the experimental setup that allows the evaluation of the discussed algorithms, along with practical issues such as overfitting, skewed data, etc.  

Studiemateriaal

Literatuur

• 1. Introduction to Machine Learning with Python. http://shop.oreilly.com/product/0636920030515.do

• 2. A Course in Machine Learning by Hal Daumé III (optional - more advanced) http://ciml.info/

• 3. Other reading material for this course will provided when needed.

Software

• Python Scikit-learn

Leerdoelen

At the end of the course, the student is able to:

1. Understand and compare with each other basic data mining algorithms.
2. Apply data mining algorithms in simple scenarios over different datasets.
3. Identify and propose solutions to practical issues raised when applying data mining algorithms.
4. Evaluate and analyze the results of different algorithms.

Onderwijsvormen

• Hoorcollege
• Werkcollege
• Laptopcollege

Hoorcollege, werkcollege en practicum.

Verdeling leeractiviteiten

Aanwezigheid

Aanwezigheidseisen opleiding (OER-B):

• Voor practica en werkgroepbijeenkomsten met opdrachten geldt een aanwezigheidsplicht.
• Wanneer studenten niet voldoen aan deze aanwezigheidsplicht kan het onderdeel niet met een voldoende worden afgerond.
  

Aanvullende eisen voor dit vak:

Toetsing

Opdrachten

Onderstaande opdrachten komen aan bod in deze cursus:

•    Naam opdracht 1 : beschrijving 2
•    Naam opdracht 2 : beschrijving 1
•    ....

Fraude en plagiaat

Dit vak hanteert de algemene 'Fraude- en plagiaatregeling' van de UvA. Hier wordt nauwkeurig op gecontroleerd. Bij verdenking van fraude of plagiaat wordt de examencommissie van de opleiding ingeschakeld. Zie de Fraude- en plagiaatregeling van de UvA: www.uva.nl/plagiaat

Weekplanning

Rooster

Aanvullende informatie

1. Language: English
2. Recommended prior knowledge:
   • Understanding of mathematical techniques (probabilities, linear algebra)
   • Familiarity with Weka, or Python programming language

Contactinformatie

Coördinator

• dr. E. Kanoulas