Studiewijzer 2021/2022
Globale inhoud
Zie https://canvas.uva.nl/courses/25253/assignments/syllabus
Studiemateriaal
Literatuur
Software
- IPython Notebooks. Aangeraden wordt de Anaconda distributie.
Leerdoelen
- De student is in staat om de gehele data science pijplijn succesvol uit te voeren. Dat wil zeggen: data verzamelen, een exploratieve data analyse, data transformatie, beide op basis van grondige statistische kennis, het kiezen van een passend predictief model, dat uitgebreid te evalueren, ook op ethische aspecten, en tenslotte de resultaten visueel aan belanghebbenden tonen.
- Kunnen voorbewerken van typische data science data: (zeer) grote hoeveelheden tekst met annotaties, gerepresenteerd in een database, spreadsheet of XML of als een verzameling tekst bestanden, voor wetenschappelijk onderzoek. Hieronder valt het transformeren, annoteren, categoriseren, classificeren en ordenen van data. Alles door middel van computers, en zo min mogelijk met de hand.
- Kunnen evalueren van de kwaliteit van door een computer programma bewerkte data.
- Kunnen uitvoeren van een exploratieve data analyse, visueel, en via statistische analyse, het normaliseren van ruwe data, het vinden van redundante informatie, en het evalueren van de kwaliteit van de ruwe data.
- Ter voorbereiding op het afstudeerproject: het laatste deel van de empirische cirkel: "formuleer hypothese, operationaliseer die in termen van de beschikbare data, programmeer en verzamel en analyseer de resulaten en vertaal die terug naar de oorspronkelijke hypothese."
- De student kan eigen werk en dat van anderen testen op correctheid, voorzien van een heldere geschreven beoordeling, en kan ingeleverd werk van zichzelf en anderen ordenen op kwaliteit.
Onderwijsvormen
- Hoorcollege
- Werkcollege
- (Computer)practicum
- Zelfstudie
- Begeleiding/feedbackmoment
Zie boven bij Globale inhoud
Verdeling leeractiviteiten
|
Activiteit
|
Aantal uur
|
|
Digitale Toets
|
4
|
|
Hoorcollege
|
24
|
|
Presentatie
|
0
|
|
Werkcollege
|
12
|
|
Zelfstudie
|
124
|
Academische vaardigheden
Zie boven bij Globale inhoud
Aanwezigheid
Aanwezigheidseisen opleiding (OER-B):
-
Voor practica en werkcolleges, met opdrachten, geldt een aanwezigheidsplicht, tenzij anders vermeld in de studiegids. Wanneer studenten niet voldoen aan deze aanwezigheidsplicht kan het onderdeel niet met een voldoende worden afgerond. De aanwezigheidsplicht met betrekking tot hoor-werkcolleges staat, indien van toepassing, vermeld in de studiegids.
Aanvullende eisen voor dit vak:
Er is geen aanwezigheidsplicht.
Toetsing
| Onderdeel en weging
|
Details
|
|
| |
|
| |
|
| |
Het formulier wat ik kan invullen is enorm conservatief en geeft geen mogelijkheid voor het soort beoordeling waar wij in deze cursus in geloven, gebaseerd op de kracht van het nog. Wij geven dus nooit cijfers onder de 6. Mocht je daar nog niet zijn dan krijg je de beoordeling "nog niet".
Inzage toetsing
De manier van inzage wordt via de webpagina van het vak gecommuniceerd.
Het inzagemoment wordt via mail meegedeeld en is meestal in de week na het tentamen, meteen na de bespreking van het tentamen.
Opdrachten
Zie boven bij Globale inhoud. Alle opdrachten staan op Canvas
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: http://student.uva.nl
Weekplanning
Zie boven bij Globale inhoud en Canvas
Rooster
Het rooster van dit vak is in te zien op DataNose.
Sterk aanbevolen voorkennis voor dit vak zijn de technische vakken binnen Informatiekunde: collectieve intelligentie, databases en datamining.
Verwerking vakevaluaties
Zie boven bij Globale inhoud
Coördinator
Lecturer: Maarten Marx, http://maartenmarx.nl
Je kunt de assistenten mailen via datanose
Begeleiders
- Ruben van Heusden MSc
- Björn Out
- Roan Schellingerhout