Kursen ingår i dessa läroplaner och studiehelheter
Kursens undervisningsperiod
3 (2022-01-01 till 2022-03-13)
Nivå/kategori
Undervisningsspråk
Engelska
Kurstyp
Obligatorisk
Cykel/nivå
Högre yrkeshögskoleexamen
Rekommenderat studieår
1
Omfattning
5 sp
Kompetensmål
Målsättningen med kursen är att...
Läranderesultat
Efter avklarad kurs förväntas den studerande vara
förmögen att...
Innehåll
The students learns to handle massive data
programmatically to perform feature
engineering.
The students understand how to employ both
classification and clustering algorithms for
big
data problems and how to utilize their output
in
service creation. Students learn to carry out
verification of results as part of the solution
process.
Studieaktiviteter
- Föreläsningar - 30 timmar
- Individuell handledning och grupphandledning - 10 timmar
- Projekt- och produktionsarbete/konstnärlig verksamhet - 30 timmar
- Självstudier - 65 timmar
Arbetsbelastning
- Kursens totala antal arbetstimmar: 135 timmar
- Varav självstyrda studieformer: 135 timmar
- Varav schemalagda studier: 0 timmar
Undervisningsform
Flerformsundervisning (delvis nätundervisning handledd eller självstudier)
Examinationsformer
Essä, rapporter, produktioner och portfolio
Examinationskrav
För godkänd prestation krävs att studenten
avlägger följande examinationer:
Examination 1 ....
Examination 2 .... etc.
(examinationer = tentamina, demonstrationer och
presentationer, rapporter och produktioner,
uppsatser, samt närvaro vid angivna tillfällen)
Examinationerna väger sinsemellan på följande
sätt: ...
Lärare
- Espinosa Leal Leonardo
- Majd Amin
- Scherbakov-Parland Andrej
Examinator
Espinosa Leal Leonardo
Kursens hemsida
Antal kursplatser
Ingen begränsning (46 studenter anmälda)
Delprestation i kraft till
12 månader efter kursens slutdatum
Kursanmälningstid
2021-12-24 till 2022-01-20
Examinationsformer
Datum meddelas senare - Rapporter och produktioner
Datum | Tid | Rum | Titel | Beskrivning | Organisatör |
---|---|---|---|---|---|
2022-01-13 | 13:00 - 18:00 | Machine Learning for Descriptive Problems | Espinosa Leal Leonardo Majd Amin Scherbakov-Parland Andrej |
||
2022-01-14 | 13:00 - 18:00 | Machine Learning for Descriptive Problems | Espinosa Leal Leonardo Majd Amin Scherbakov-Parland Andrej |
||
2022-01-27 | 13:00 - 18:00 | Machine Learning for Descriptive Problems | Espinosa Leal Leonardo Majd Amin Scherbakov-Parland Andrej |
||
2022-01-28 | 13:00 - 18:00 | Machine Learning for Descriptive Problems | Espinosa Leal Leonardo Majd Amin Scherbakov-Parland Andrej |
||
2022-02-10 | 13:00 - 18:00 | Machine Learning for Descriptive Problems | Espinosa Leal Leonardo Majd Amin Scherbakov-Parland Andrej |
||
2022-02-11 | 13:00 - 18:00 | Machine Learning for Descriptive Problems | Espinosa Leal Leonardo Majd Amin Scherbakov-Parland Andrej |