Dataanalys för smarta städer

Mål

I den här kursen lär sig studenter hur de ska använda och tolka data för att bättre kunna fatta beslut, inom framförallt området smarta städer. Verklighetskopplade exempel kommer att studeras, med anknytning till exempelvis trafikstyrning, logistik, telekommunikation och städers mobilitetsmönster. Efter genomförd kurs förväntas studenterna kunna:

• Identifiera de mest vanliga statistiska metoderna för analys av datamängder
• Förklara skillnader i egenskaper mellan olika typer av analysmetoder och ge exempel på när metoderna är lämpliga att tillämpa
• Förstå, förklara och använda koncept och metoder inom dataanalys för att lösa praktiska problem
• Använda statistiska metoder för att prediktera, klassificera och fatta beslut
• Utvärdera metoder och tillämpa lämpligt alternativ för att hantera specifikt problem
• Använda existerande datamängder för att anpassa och utvärdera utvalda metoder för verkliga tillämpningar
• Implementera metoder och algoritmer för databehandling och -analys i ett lämpligt programmeringsspråk

Innehåll

Kursen syftar till att sprida kunskap inom databehandling och dataanalys, med huvudsaklig tillämpning inom området smarta städer. Fokus är klassificering och prediktering, men kursen behandlar även delar som klusteranalys, att reducera komplexitet och detektera avvikelser i datamängder. Exempel på kursinnehåll är statistisk interferens, korrelation, linjär regression, logistisk regression, K-närmaste granne, stödvektormaskiner, dolda Markov-modeller, neurala nätverk m.m.