Module: Praktijkopdracht Advanced Datamining
Gegevensveld | Waarde |
---|---|
Osiriscode | BFVH4THM11 |
ECTS | 3 |
Toetsvorm | Opdracht |
Minimum cijfer | 5,5 |
Docent(en) | LADR |
Contactpersoon | LADR |
Voertaal | Nederlands |
Cursusdoelen (leerdoelen)
- Samenstellen relevante datasets, opschonen en sorteren ervan
- Kunnen kiezen tussen verschillende veel gebruikte dataminingtechnologieen
- Opzetten trainings- en testomgevingen
- Analyse van grote datasets
- Wetenschappelijke poster maken
- Zelfstandig uitvoeren onderzoek
Inhoud
Tijdens dit thema wordt voor het eerst kennisgemaakt met dataminingtoepassingen en -analyses. Veel biologische datasets zijn of te groot, of bevatten te veel ruis (of beide), om in een oogopslag de biologische vraag erachter te kunnen oplossen. Door gebruik te maken van machine learning technieken kan in een grote, complexe dataset gezocht worden naar onderliggende oorzakelijke verbanden. Tijdens dit practicum wordt een openliggende onderzoeksvraag gesteld en een dataset erbij gezocht (of andersom) uit het onderzoeksportfolio van ALIFE, KC-BBE, of een ander onderzoeksinstituut, of van commerci??le of publieke partners (UMCG, bedrijven). Er wordt onderzocht of, en zo ja welke, machine learning technieken de gestelde vraag kunnen beantwoorden. Deze worden vervolgens ge??mplementeerd en ge??valueerd op test datasets en uiteindelijk opgeschaald en geparalleliseerd om de hele dataset te kunnen verwerken en de onderszoeksvraag te beantwoorden. Hiernaast zal aandacht worden besteed aan het inventariseren van de vraag van een cli??nt, data-preprocessing, het werken volgens de SCRUM-methodiek, en rapportage en verslaglegging. Dit practicum is deel 1 van een 2 kwartaals-specialisatie;
Literatuur en andere bronnen
Literatuur
- Data Mining, Practical Machine Learning Tools and Techniques with Java Implementations, IAN H. Witten & Eibe Frank, ISBN: 1558605525
Web
- Blackboard course thema 11
Competenties
1(III), 2(III), 3(III), 4(III), 5(III), 7(II), 9(I), 11(II), 12(II), 13(I)
Werkvormen
- Praktijkopdrachten/Projectonderwijs
Ingangseisen
- Having passed 48EC worth of courses of the major curriculum phase (year 2-3) and not attending other "themaopdrachten"
Ingangseisen toets
-
Voorkennis
-
Voorkennis kan worden opgedaan met
-
Bronnen van zelfstudie
-
Verplicht materiaal
-
Aanbevolen materiaal
-