Vak: Data Mining credits: 5
- Vakcode
- ITDB22DAM
- Naam
- Data Mining
- Studiejaar
- 2022-2023
- ECTS credits
- 5
- Taal
- Nederlands
- Coördinator
- I. Waalkens
- Werkvormen
-
- Hoorcollege
- Werkcollege
- Toetsen
-
- Data Mining - Overige toetsing
Leeruitkomsten
- De student beschrijft het data mining proces met behulp van de tool Weka (de data inladen, classificeren en presenteren)
- De student prepareert data voor analyse
- De student past supervised learning algoritmes, regressie en classificatie toe met behulp van Weka
- De student past unsupervised learning algoritmes, clustering, reductie en associatie, toe met behulp van Weka
- De student voert zelfstandig een data mining project uit waarbij de data wordt ingeladen, algoritmes worden toegepast en demonstreert/presenteert de uitkomsten
Inhoud
Organisaties verzamelen steeds meer data van hun klanten, gebruikers, medewerkers en machines. Door deze “big” data sets te analyseren kunnen er mogelijk verbanden in de data worden ontdekt. Door de data te analyseren kan er mogelijk “verborgen” informatie naar boven komen. Op basis van deze informatie kunnen bedrijven/organisaties haar dienstverlening verbeteren en/of zelfs nieuwe producten of diensten ontwikkelen.
In dit vak leer je door data te “graven” om met behulp van tools op zoek te gaan naar (statistische) verbanden. Hierbij doorloop je het data mining proces waarbij de data gereed gemaakt wordt voor analyse. Dit zodat er verschillende algoritmes op worden toegepast om zo verbanden in de data te ontdekken.
In dit vak leer je door data te “graven” om met behulp van tools op zoek te gaan naar (statistische) verbanden. Hierbij doorloop je het data mining proces waarbij de data gereed gemaakt wordt voor analyse. Dit zodat er verschillende algoritmes op worden toegepast om zo verbanden in de data te ontdekken.
Opgenomen in opleiding(en)
School(s)
- Instituut voor Communicatie, Media & IT