DM8106: Mining Massive Data Sets

Kurset er samlæst med anden halvdel af DM8108.

Studerende, der følger kurset, forventes at kunne forstå algoritmer og være i stand til at programmere (eks. fra DM536, DM574 eller DM594).

Derudover anbefales det at den studerende at have følgende (eks. fra deres tidligere studie):

• basal viden om mængder og relationer (eks. fra DM549) og
• have kendskab til de basale begreber i lineær algebra (eks. fra AI511).

Kurset har til formål at sætte den studerende i stand til at vælge og bruge nøgleteknikker i datamining og maskinlæring, hvilket er vigtigt i forhold til at kunne analysere store datasæt i mange finansielle, medicinske, kommercielle og videnskabelige anvendelser.

Datamining og maskinlæring teknologier udstyrer beregningsmæssige systemer med evnen til at identificere meningsfulde mønstre i data og til adaptivt at forbedre deres resultater på basis af erfaringerne fra de observerede data.

Dette kursus introducerer de mest almindelige teknikker til at udføre grundlæggende opgaver indenfor datamining og maskinlæring, og dækker den grundlæggende teori, algoritmer og anvendelser. Kurset balancerer teori og praksis, og dækker de matematiske såvel som de heuristiske aspekter. Metoderne vil blive introduceret på et generelt niveau, med de centrale ideer og intuition. Desuden vil de studerende have mulighed for at eksperimentere og anvende teknikker fra datamining og maskinlæring teknikker på udvalgte problemer.

Kurset giver et fagligt grundlag i dataanalyse på store datasæt og for at skrive speciale såvel som andre praktiske studieaktiviteter, der er placeret senere i uddannelsen.

Læringsmålene for kurset, at den studerende demonstrerer evne til at:

• Identificere og beskrive de beregningsmæssige flaskehalse i processering, håndtering og mining af big data.
• Beskrive og forklare effektive algoritmer til analyse og processering af forskellige typer data, deriblandt tekst, grafer og streams.
• Analysere og anvende algoritmiske værktøjer der kan skaleres til at håndtere big data-analyse, eksempelvis hashing, sampling og sketching.
• Designe og implementere effektive algoritmer til real-world big data-data analyse.
• Beskrive, formulere og kommunikere effektivitetsproblemer og analyseresultater til både specialiser og ikke-specialister, samt projekt-partnere og slut-brugere.
  

Kurset indeholder følgende faglige hovedområder:

• MapReduce og Spark.
• Locality-sensitive hashing
• Clustering
• Dimensionality Reduction
• Frequent Itemsets Mining
• Mining af data streams.
• Recommender-systemer.
• Page Rank og Extension to Recommendations
• Cumminity Detection i grafer
  

Skemalagte undervisningstimer:
Antal undervisningstimer i alt: 40
Heraf:
Fællestimer i klasselokale/auditorium: 20
Holdtimer i klasselokale: 20

I forelæsningerne bliver koncepter, teori og modeller introduceret og sat i perspektiv. I øvelsestimerne og i forberedelse til øvelserne, træner de studerende deres færdigheder gennem øvelser og de graver sig dybere ned i emnerne.

Andre planlagte undervisningsaktiviteter:

• Læse den tildelte litteratur og forelæsningsmateriale
• Løse hjemmeopgaver
• Anvende det tilegnede viden i praktiske projekter 

De studerende opnår akademisk, personlig, og social erfaring der konsoliderer og videreudvikler deres videnskablige kompetencer. Fokus er på fordybelse, forståelse og udvikling af færdigheder i både samarbejde og præsentation.