Μάθημα στο Predictive Data Analytics

Γενικά

Περιγραφή προγράμματος

Το μάθημα θα δώσει πληροφορίες για τις θεμελιώδεις έννοιες της μηχανικής μάθησης και την ενεργή πρόβλεψη χρησιμοποιώντας προγνωστικά αναλυτικά. Θα καλύψει τις βασικές έννοιες για την εξαγωγή χρήσιμων πληροφοριών και γνώσεων από μεγάλα σύνολα δεδομένων για αναλυτική μοντελοποίηση.

Πληροφορίες μαθήματος

  • Πιστώσεις: 2,5 μονάδες
  • Τοποθεσία μελέτης: Ανεξάρτητα από την τοποθεσία
  • Ημερομηνία έναρξης: 2020-11-30 - 2021-01-17 (μερική απασχόληση 25%)
  • Εκπαιδευτικό διάταγμα: Δεύτερος κύκλος
  • Κωδικός μαθήματος: DVA478
  • Κύριος τομέας: Επιστήμη υπολογιστών

Σχετικά με αυτό το μάθημα

Το μάθημα στοχεύει να δώσει πληροφορίες σχετικά με θεμελιώδεις έννοιες της μηχανικής μάθησης για προγνωστικά αναλυτικά στοιχεία για την παροχή ενεργών, δηλαδή, καλύτερων και πιο ενημερωμένων αποφάσεων στην πρόβλεψη. Καλύπτει τις βασικές έννοιες για την εξαγωγή χρήσιμων πληροφοριών και γνώσεων από σύνολα δεδομένων για την κατασκευή προγνωστικής μοντελοποίησης.

  • Εισαγωγή: μια επισκόπηση των προγνωστικών αναλυτικών δεδομένων και της μηχανικής μάθησης για προγνωστικά αναλυτικά στοιχεία.
  • Εξερεύνηση και οπτικοποίηση δεδομένων: παρουσιάζει μελέτες περιπτώσεων από τομείς βιομηχανικών εφαρμογών και συζητά βασικά τεχνικά ζητήματα που σχετίζονται με το πώς μπορούμε να αποκτήσουμε πληροφορίες που μας επιτρέπουν να δούμε τάσεις και μοτίβα στα βιομηχανικά δεδομένα.
  • Πρόβλεψη μοντελοποίησης: αποτελείται από ζητήματα στην κατασκευή προγνωστικής μοντελοποίησης, δηλαδή δεδομένα μοντέλου και προσδιορίζει αλγόριθμους μηχανικής εκμάθησης για προγνωστικά αναλυτικά στοιχεία και τεχνικές αξιολόγησης μοντέλου.

Θα μάθεις

  • Επιλέξτε κατάλληλους αλγόριθμους μηχανικής εκμάθησης για να επιλύσετε ένα δεδομένο πρόβλημα για την προγνωστική ανάλυση δεδομένων.
  • Εξερευνήστε δεδομένα και δημιουργήστε σύνολα δεδομένων κατάλληλα για αναλυτική μοντελοποίηση.
  • Βασικά στοιχεία της μηχανικής μάθησης για προγνωστικά αναλυτικά στοιχεία.

Προυποθέσεις εισόδου

  • 90 μονάδες εκ των οποίων τουλάχιστον 60 μονάδες στην Επιστήμη των Υπολογιστών ή ισοδύναμες, συμπεριλαμβανομένων 15 μονάδων στον προγραμματισμό, καθώς και 2,5 μονάδων στη βασική θεωρία πιθανότητας και 2,5 μονάδων σε γραμμική άλγεβρα ή ισοδύναμες.
  • Επιπλέον, απαιτείται μαθήματα Αγγλικών A / English 6.

Μπορείτε επίσης να υποβάλετε αίτηση για το μάθημα και να αξιολογήσετε την καταλληλότητά σας με βάση τις γνώσεις που αποκτήθηκαν με άλλους τρόπους, όπως εργασιακή εμπειρία, άλλες μελέτες κ.λπ.

Τίτλος μαθήματος στα Σουηδικά

Prediktiv dataanalys

Πληροφορίες εφαρμογής

Αφού υποβάλετε την ηλεκτρονική σας αίτηση, το επόμενο βήμα είναι να υποβάλετε τεκμηρίωση για να αποδείξετε την επιλεξιμότητά σας για το μάθημα για το οποίο έχετε υποβάλει αίτηση. Για να τεκμηριώσετε την επιλεξιμότητά σας, πρέπει να παρέχετε το δίπλωμα γυμνασίου και το πανεπιστημιακό αντίγραφο και απόδειξη της επάρκειας στην αγγλική σας γλώσσα.

Προυποθέσεις εισόδου

Για να ικανοποιήσετε τις προϋποθέσεις συμμετοχής σε αυτό το μάθημα πρέπει να έχετε προηγούμενα ακαδημαϊκά προσόντα (πανεπιστημιακές σπουδές). Θα βρείτε τις συγκεκριμένες προϋποθέσεις εισόδου παραπάνω.

Δεν υπάρχουν ακαδημαϊκά προσόντα;

Εάν δεν έχετε τα επίσημα ακαδημαϊκά προσόντα που απαιτούνται για ένα συγκεκριμένο μάθημα, μπορείτε να υποβάλετε αίτηση για το μάθημα και να αξιολογήσετε την καταλληλότητά σας με βάση τις γνώσεις που αποκτήθηκαν με άλλους τρόπους, όπως εργασιακή εμπειρία, άλλες σπουδές κ.λπ. Αυτό είναι επίσης γνωστό ως επικύρωση της προηγούμενης μάθησης.

Η αναγνώριση της προηγούμενης μάθησης σημαίνει τη χαρτογράφηση μιας αξιολόγησης των ικανοτήτων και των προσόντων ενός ατόμου, ανεξάρτητα από το πώς, πού ή πότε αποκτήθηκαν - στο επίσημο εκπαιδευτικό σύστημα ή με κάποιο άλλο τρόπο στη Σουηδία ή στο εξωτερικό, μόλις πρόσφατα ή πολύ καιρό πριν.

Εάν πιστεύετε ότι οι γνώσεις και οι ικανότητές σας θα σας πληρούν τις προϋποθέσεις για αυτό το μάθημα, θα πρέπει να ανεβάσετε τα ακόλουθα με την αίτησή σας:

  • Βιογραφικό με περιγραφή του εκπαιδευτικού και επαγγελματικού σας υποβάθρου. Το βιογραφικό σας πρέπει να περιγράφει τις γνώσεις και τις ικανότητές σας σε σχέση με τις απαιτήσεις συμμετοχής.
  • Εάν αναφέρεστε στην εργασιακή εμπειρία, πρέπει να ανεβάσετε ένα πιστοποιητικό εργοδότη.

Εάν χρειαζόμαστε περισσότερες πληροφορίες, θα επικοινωνήσουμε μαζί σας.

ΜέλλονE

Τα μαθήματα είναι μέρος του έργου FutureE όπου το MDH προσφέρει διαδικτυακά μαθήματα στους τομείς της Τεχνολογίας Τεχνολογίας, της Μηχανικής Περιβάλλοντος και Ενέργειας, της Μηχανικής Λογισμικού και Συστημάτων Υπολογιστών.

Τελευταία ενημέρωση Οκτ. 2020

Σχετικά με τη Σχολή

At Mälardalen University people meet who want to develop themselves and the future. Our 16 000 students read courses and study programs in Business, Health, Engineering, and Education. We conduct rese ... περαιτέρω

At Mälardalen University people meet who want to develop themselves and the future. Our 16 000 students read courses and study programs in Business, Health, Engineering, and Education. We conduct research within all areas of education and have internationally outstanding research in future energy and embedded systems. Our close cooperation with the private and public sectors enables us at MDH to help people feel better and the earth to last longer. Mälardalen University is located on both sides of Lake Mälaren with campuses in Eskilstuna and Västerås. Διαβάστε Λιγότερα
Västerås , Eskilstuna + 1 Περισσότερα Λιγότερα

Υποβολή ερώτησης

Άλλη