Kursen ingår i dessa läroplaner och studiehelheter
- Big data analytics 2016 - Big data analytics
- Big data analytics 2017 - Big data analytics
- Big data analytics 2018 - Big data analytics
- Big data analytics 2019 - Big data analytics
- Big data analytics 2020 - Big data analytics
- Big data analytics 2021 - Big data analytics - specialised professional studies
- Big data analytics 2022 - Big data analytics - specialised professional studies
- Big data analytics 2023 - Big data analytics - specialised professional studies
Kursens undervisningsperiod
- 1 (2022-08-01 till 2022-10-23)
- 2 (2022-10-24 till 2022-12-31)
Nivå/kategori
Yrkesstudier
Undervisningsspråk
Engelska
Kurstyp
Obligatorisk
Cykel/nivå
Högre yrkeshögskoleexamen
Rekommenderat studieår
1
Omfattning
5 sp
Kompetensmål
See English description
Läranderesultat
See English description
Innehåll
The students learn to understand the nature of
data flow by working with streaming data. The
students understand how regression is performed
and how to deal with time series. The students
gain an understanding of how ensemble models
can improve forecast results for fully
automatized systems.
Studieaktiviteter
- Föreläsningar - 30 timmar
- Individuell handledning och grupphandledning - 15 timmar
- Projekt- och produktionsarbete/konstnärlig verksamhet - 30 timmar
- Självstudier - 60 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)
Examinationskrav
See English description
Lärare
- Espinosa Leal Leonardo
- Majd Amin
- Scherbakov-Parland Andrej
Examinator
Espinosa Leal Leonardo
Kursens hemsida
Antal kursplatser
Ingen begränsning (29 studenter anmälda)
Delprestation i kraft till
12 månader efter kursens slutdatum
Kursanmälningstid
2022-08-10 till 2022-09-06
Datum | Tid | Rum | Titel | Beskrivning | Organisatör |
---|---|---|---|---|---|
2022-10-13 | 13:00 - 18:00 | D4110 | Machine Learning for Predictive Problems | (Zoom link: bit.ly/MLPP22-23) | Espinosa Leal Leonardo Scherbakov-Parland Andrej |
2022-10-14 | 14:00 - 18:00 | F363 | Machine Learning for Predictive Problems | (Zoom link: bit.ly/MLPP22-23) | Espinosa Leal Leonardo Scherbakov-Parland Andrej |
2022-11-03 | 13:00 - 18:00 | D4109 | Machine Learning for Predictive Problems | (Zoom link: bit.ly/MLPP22-23) | Espinosa Leal Leonardo Scherbakov-Parland Andrej |
2022-11-04 | 13:00 - 18:00 | D4109 | Machine Learning for Predictive Problems | (Zoom link: bit.ly/MLPP22-23) | Espinosa Leal Leonardo Scherbakov-Parland Andrej |
2022-11-10 | 13:00 - 18:00 | D4109 | Machine Learning for Predictive Problems | (Zoom link: bit.ly/MLPP22-23) | Espinosa Leal Leonardo Scherbakov-Parland Andrej |
2022-11-11 | 13:00 - 18:00 | D4109 | Machine Learning for Predictive Problems | (Zoom link: bit.ly/MLPP22-23) | Espinosa Leal Leonardo Scherbakov-Parland Andrej |