TDDD41 · 6 hp · Avancerad nivå (A1N) · Informationsteknologi, Datateknik, Datavetenskap
Data Mining - Clustering and Association Analysis
Ges · nästa start VT 2027
73 %
klarade senaste ordinarie tentan
TEN1 · 27 mar 2026 · 44 studenter
81 %
klarade ordinarie tentorna, alla tillfällen de senaste 5 åren
TEN1 · 218 studenter
76 %
Svårare än 76 % av kurserna på avancerad nivå
Jämfört med 285 kurser på samma nivå, ordinarie tentor de senaste tre läsåren. 85 studenter.
Ingår i 11 program
- Civilingenjörsprogram i industriell ekonomi - internationell
- Civilingenjörsprogram i industriell ekonomi
- Civilingenjörsprogram i datateknik
- Civilingenjörsprogram i informationsteknologi
- Civilingenjörsprogram i mjukvaruteknik
- Civilingenjörsprogram i teknisk fysik och elektroteknik - internationell
- Civilingenjörsprogram i teknisk fysik och elektroteknik
- Masterprogram i cybersäkerhet
- Masterprogram i Data Science and Information Engineering
- Masterprogram i datavetenskap
- Masterprogram i matematik
Tentamen
TEN1 Skriftlig tentamen
- 5
- 4
- 3
- U
Ordinarie tentor
81 % godkända · 218 studenter
- 73 %44
- 80 %41
- 87 %45
- 80 %41
- 83 %47
Omtentor
77 % godkända · 47 studenter
- 77 %13
- 70 %10
- 83 %6
- 80 %5
- 57 %7
- 100 %6
- Klarar omtentan: 77 % (47 studenter), jämfört med 81 % (218 studenter) på ordinarie
- Får 4 eller 5: 52 % (265 studenter)
Visa små tillfällen (4)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 50 %4
- 100 %3
- 100 %2
- 0 %2
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Inlämning eller laboration
LAB1 Laborationskurs
- G
Ordinarie tillfällen
100 % godkända · 234 studenter
- 100 %51
- 100 %42
- 100 %44
- 100 %47
- 100 %50
Senare tillfällen
Inga tillfällen med minst 5 studenter.
Visa små tillfällen (2)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %1
Om kursen
Mål
Kursen lägger grunden för professionellt arbete och forskning där stora mängder av data utforskas, ändras, modelleras och utvärderas för att upptäcka tidigare okända mönster och trender. Kursen fokuserar på klustring och associeringsanalys. Efter avslutad kurs skall studenten kunna:
- förstå och använda viktig terminologi i data mining
- förstå och använda teorin bakom klustring och associeringsanalys
- använda kunskap om teknik för klustring och associeringsanalys
- visa insiktsfull bedömning av kvaliteten på ett visst dataset och informationsinnehållet som klustring och associeringsanalys kan baseras på
- använda och utvärdera verktyg för klustring och associeringsanalys
Innehåll
Associeringsanalys: begrepp och metoder i samband med frequent item sets och associeringsregler såsom Apriori principen, FP-tillväxt, utvärdering av associeringsregler. Klustring: begrepp och metoder i samband med klustring, partitionella klustringsmetoder, hierarkiska klustringsmetoder, densitets-baserad klustring, utvärdering av klustringsmetoder
- Examinator
- Patrick Lambrix
- Schemalagd tid
- 26 h
- Huvudområde
- Informationsteknologi, Datateknik, Datavetenskap