DM864: Advanced Data Mining

• Have en basal forståelse for sandsynlighed og matematik;
• Have kendskab til programmering;
• Have kendskab af grundelementer af unsupervised data mining, fx, fra DM555, DM566, DM583, DM843, DM868, DM870, eller DS804.

• Give kompetence til at beskrive, analysere og løse avancerede problemstillinger i unsupervised data mining ved anvendelse af de lærte modeller og metoder.
• Give kompetence til at analyse fordelene og ulemper ved forskelige metoder på avanceret unsupervised data mining.
• Give færdigheder i tilstrækkelig brug af de lærte modeller og metoder.
• Give viden og forstand om udvælgelse af specialiseret modeller og metoder på unsupervised data mining med ensemble tekniker eller adaptioner til høj dimensional data, herunder metoder fra fagets forskningsfront.

• beskrive de data mining opgaver som præsenteres i kurset;
• beskrive de algoritmer og metoder som bliver præsenteret i kurset;
• beskrive de emner der bliver præsenteret i kurset i et præcist matematisk sprog;
• forklare de enkelte trin i de matematiske udledninger der præsenteres i kurset;
• anvende metoderne på andre problemstillinger end dem der bliver præsenteret i kurset;
• vurdere og reflektere over valg af design af data mining metoder for høj dimensional data og ensemble metoder.

• generelle principper og metoder for ensemble læring;
• specielle udfordringer og tilgange for ensemble clustering og ensemble outlier detection;
• udvalgte metoder for ensemble clustering og ensemble outlier detection;
• specielle udfordringer for data mining høj dimensional data;
• generelle tilgange for unsupervised læring i høj dimensional data;
• udvalgte metoder for subspace clustering;
• udvalgte metoder for høj dimensional outlier detection.

På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen.

• Introfase 22 timer 
• Træningsfase 8 timer, heraf eksaminatorier 8 timer. 

Aktiviteter i studiefasen:

• Læse lærebogen og artikler
• Løse hjemmeopgaver
• Anvende opnået viden i praktiske projekter

I introfasen introduceres koncepter, teorier og modeller og sættes i perspektiv. I træningsfasen træner eleverne deres færdigheder gennem øvelser og graver dybere ned i faget. I studiefasen får de studerende akademiske, personlige og sociale erfaringer, der konsoliderer og videreudvikler deres videnskabelige færdigheder. Fokus er på fordybelse, forståelse og udvikling af samarbejdsevner.