Text

Prediktiv dataanalys

  • Högskolepoäng 2.5 hp
  • Studieort Ortsoberoende
  • $stringTranslations.StartDate 2021-11-29 - 2022-01-16 (deltid 25%)
  • Utbildningsnivå Avancerad nivå
  • Kurskod DVA478
  • Huvudområde Datavetenskap

Kursen ger insikter i grundläggande begrepp inom maskininlärning och prognostisering med hjälp av prediktiv analys. Den behandlar centrala koncept för informations- och kunskapsutvinning ur datamängder för analytisk modellering.

Om kursen

Kursen ger insikter i grundläggande begrepp inom maskininlärning för prediktiv analys för att fatta bättre grundade beslut för prognostisering. Den behandlar centrala koncept för informations- och kunskapsutvinning ur datamängder för att konstruera prediktiv modellering.

Introduktion: översikt över prediktiv dataanalys och maskininlärning för prediktiv analys.

Analys och visualisering av data: presenterar fallstudier från industriella tillämpningar och diskuterar viktiga tekniska aspekter i samband med identifiering av trender och mönster i industriell data.

Prediktiv modellering: består av frågor i samband med skapandet av prediktiva modeller, d.v.s. modellering av data och val av maskininlärningsalgoritm för prediktiv analys samt metoder för modellutvärdering.

Du kommer att lära dig

  • Välja lämpliga algoritmer inom maskininlärning för att lösa ett givet problem inom prediktiv analys.
  • Dataanalys och konstruera datamängder lämpliga för prognostisering.
  • Förklara grunderna inom maskininlärning för prediktiv analys.

Särskild behörighet

90 hp, varav 60 hp inom datavetenskap eller motsvarande, inklusive 15 hp programmering samt 2,5 hp grundläggande sannolikhetsteori och 2,5 hp linjär algebra, eller liknande. Dessutom krävs Engelska A/Engelska 6.

Om du inte uppfyller de formella behörighetskraven kan du få din behörighet bedömd på kunskap och kompetens som du har fått på annat sätt, såsom arbetslivserfarenhet, övriga studier m.m. Läs mer under Information om anmälan.


Undervisningsspråk

Engelska

Lärare

Professor i artificiell intelligens

Shahina Begum

021-10 73 70

shahina.begum@mdh.se

Kursplan

Du kan läsa i detalj om utbildningen, dess innehåll och litteratur m.m. i kursplanen

Se kursplan

Anmäl dig till kursen

Prediktiv dataanalys

Till anmälan

Information om anmälan

Efter att du anmält dig behöver du eventuellt komplettera med dokument för att styrka din behörighet. De flesta svenska akademiska meriter hämtas automatiskt. Vänta några dagar efter att du skickat in din anmälan – om dina akademiska meriter fortfarande inte syns på Mina sidor ska du ladda upp dem. Om du har utländska meriter behöver du ladda upp kopia på dem på antagning.se.

Vissa kurser kräver yrkeserfarenhet. Om kursen du söker har krav på yrkeserfarenhet måste du ladda upp ett tjänstgöringsintyg som är underskrivet av din arbetsgivare. Du hittar mall för tjänstgöringsintyg nedan som du kan använda om du vill.

Inga akademiska meriter?

Kursen kräver att du har tidigare akademiska studier. Du som inte har det men har yrkeserfarenhet inom området kan bedömas på så kallad reell kompetens. Det innebär att det görs en bedömning av både formella meriter (betyg, examensbevis) och yrkeserfarenhet. Bedömningen görs för att avgöra om du har kunskaper som motsvarar behörighetskraven på kursen. Om du anser att du har kompetensen som krävs för kursen, ska du fylla i en CV/Kompetensbeskrivning, mall finns nedan. Den ska innehålla:

• Utbildningar

• Relevant och aktuell arbetslivserfarenhet

• Kunskaper i Engelska

• Övrigt du vill åberopa

Tänk på att ge en kort beskrivning av dina arbetsuppgifter, inte bara en titel.

Du behöver också ett underskrivet tjänstgöringsintyg från din arbetsgivare, mall att ladda ner finns nedan.

Ladda ner mall för CV/KompetensbeskrivningWord

Ladda ner mall för TjänstgöringsintygWord

Om du har frågor om anmälan är du välkommen att kontakta oss genom att mejla till lifelonglearning@mdh.se

FutureE

Kurserna ingår i projektet FutureE där MDH erbjuder nätbaserade kurser inom områdena AI, Environmental and Energy Engineering, Software- and Computer Systems Engineering.

Kompetensutveckling med FutureE
Till toppen