|
Aan het eind van de cursus kun je
- bedenken en beargumenteren welk data mining algoritme geschikt voor welk probleem;
- verschillende data mining algoritmen toepassen, analyseren en implementeren;
- de kwaliteit van de verkregen oplossingen evalueren.
|
|
|
Hoe kunnen we systemen maken die kunnen leren? Of meer specifiek: hoe extraheren we relevante, interessante informatie uit "(big) data"? Je zult leren dat er verschillende algoritmen zijn, afhankelijk van de vraag die je wilt beantwoorden en van de eigenschappen van de data waar je mee moet werken. In een project zul je de algoritmen implementeren en/of testen op bestaande datasets.
|
|
|
| Je
bent bekend met elementaire begrippen uit de kansrekening als kansen, kansverdelingen en verwachtingswaarden;
kunt eenvoudige berekeningen hiermee uitvoeren;
weet wat vectoren en matrices zijn;
kunt deze optellen en met elkaar vermenigvuldigen.
Deze voorkennis komt aan de orde in de cursussen Calculus and Probability Theory en Matrix Calculation |
|
| De beoordeling wordt gebaseerd op een midterm tentamen (voor 35%), een eindterm tentamen (voor 35%) en een werkstuk (voor 30%). Huiswerkopdrachten zijn verplicht en moeten voldoende worden gemaakt. Hertentamen komt in de plaats van zowel midterm als eindterm tentamen en telt dan voor 70%. |
|
|