Verplicht in fase
Optioneel in fase
Eerste semester
Beide semesters
Dit jaar
Volgend jaar
Wisselende jaren
Extern
Voorwaarden
Identieke opleidingsonderdelenData Science Fundamentals (B-TM-YP0861)
Tonnelier Rik (coördinator) | N. Doelstellingen
- Je begrijpt en past verschillende soorten regressie toe.
- Je herkent overfitting in regressiemodellen en leert technieken om overfitting te voorkomen.
- Je leert over verschillende clusteringstechnieken en begrijpt wanneer en hoe je deze kunt gebruiken voor het groeperen van data.
- Je verkrijgt inzicht in technieken voor dimensionale reductie en leert hoe je deze kunt toepassen om data te comprimeren en te visualiseren.
Begintermen
De student heeft een basiskennis van statistiek en data (pre-)processing alsook enige werkervaring met de scripttaal Python.
Volgtijdelijkheidsvoorwaarden
Dit opleidingsonderdeel is een voorwaarde voor het opnemen van volgende opleidingsonderdelen:
YP0572 : Machine Learning & Forecasting
YP0627 : Integrated IMS Lab (Niet meer aangeboden dit academiejaar)
YP0827 : Artificial Intelligence
Identieke opleidingsonderdelen
Dit opleidingsonderdeel is identiek aan de volgende opleidingsonderdelen:
YP0820 : Data Science Fundamentals
Plaats in het onderwijsaanbod
- Bachelor Bedrijfsmanagement (Mechelen) (Applied Data Intelligence) 180 sp.
- Bachelor Informatiemanagement en Multimedia: keuzetraject Informatiemanagement en Security - Uitdovend (Mechelen) 180 sp.
Onderwijsleeractiviteiten
6 sp. Data Science Fundamentals (B-TM-YP5902)
NederlandsWerkvorm: College-practicum-opdracht
39 uren
Tweede semesterN. Inhoud
- Lineaire Regressie
- Polynomial regression
- Overfitting + penalizatie -> ridge, lasso, elastic net.
- Logistische regressie
- Clustering (kNN, k-means, hierarchical clustering, DBscan)
- PCA
Studiemateriaal
Studiekost: niet van toepassing (De informatie over studiekosten zoals hier opgenomen is indicatief en geeft enkel de prijs weer bij aankoop van nieuw materiaal. Er zijn mogelijk ook e- en tweedehandskopijen beschikbaar. Op LIMO kan je nagaan of het handboek beschikbaar is in de bibliotheek. Eventuele printkosten en optioneel studiemateriaal zijn niet in deze prijs vervat.)
Al het studiemateriaal wordt beschikbaar gesteld op het elektronische leerplatform Canvas.
Toelichting werkvorm
De student wordt in de lessen gevraagd actief mee te werken en mee te denken over problemen. In de les worden zowel theoretische concepten en voorbeelden toegelicht als ook oefeningen gegeven om de nodige vaardigheden te ontwikkelen.
Evaluatieactiviteiten
Data Science Fundamentals (B-TM-YP7861)
Toelichting
| Examenmoment | Beoordelingsschaal |
|---|---|
| TOTAAL | 1-20/20 puntenschaal |
Permanente Evaluatie (30%) + Examen (70%) = Eindtotaal (100%).
Als permanente evaluatie worden er doorheen het semester opdrachten aangeboden. Het niet indienen, of laattijdig indienen van een van deze opdrachten resulteert in een 0-quotering voor die opdracht. Plagiaat resulteert uiteraard in een 0 en een mogelijks uitsluiting van het vak te beslissen door de tuchtcomissie
Het examen bestaat uit een take-home examenopdracht met mondelinge verdediging plus een mondelinge ondervraging van theoretische concepten.
Het gebruik van AI software (ChatGPT, Copilot, etc.) voor de opdrachten is toegestaan mits het correct vermelden voor welke stukken dit gebruikt werd. Indien niet telt dit als plagiaat. Fouten die worden overgenomen uit AI software worden uiteraard afgestraft op rekening van de student.
Toelichting bij herkansen
Voor dit opleidingsonderdeel zijn er geen deeloverdrachten.
Voor dit opleidingsonderdeel zijn er geen deeloverdrachten.
In de derde examenperiode is er geen overdracht van punten, het examen (met eventueel take-home voorbereidend deel) telt voor de volle 100% van het eindtotaal en wordt mondeling afgelegd.