|
code: |
A7391 |
|
studiebelasting: |
4 sp |
|
periode: |
sem. 1 |
|
naam: |
Databases en artificial intelligence |
|
internet: |
homepage, rooster |
opleiding/fase: |
ectrie/d23/major, ectrie/duaal/major |
voertaal: |
Nederlands |
docent(en): |
dr.ir. J. van den Berg |
contactpersoon: |
mw. drs. W.M. van Sonderen |
secretariaat: |
E&B |
aanmelding: |
n.v.t. |
toelatingseisen: |
|
aanbevolen: |
- |
onderwijsvorm: |
om de week 4 uur en 2 uur hoorcollege gedurende
10 weken;
daarna begeleidingsgesprekken n.a.v. de practicumopdracht(en) |
tentamenvorm: |
schriftelijk tentamen + practicumopdracht(en) |
tentamenperiode: |
n.v.t. |
tentameneisen: |
- |
tentamenstof: |
collegestof + verplichte literatuur |
T.a.v. het gedeelte Databases:
- Het leren kennen van de basisconcepten m.b.t. moderne database management
systemen (DBMS's) zoals architecturen, database ontwerp, beheer &
controle, query languages;
- Het opdoen van enige praktische ervaring met een modern database pakket.
T.a.v. het gedeelte Machine learning:
- Het leren kennen van enkele fundamentele Machine Learning Algoritmes (MLA's);
- Het leren inschatten voor welke econometrische problemen MLA's van nut
kunnen zijn;
- Het kennismaken met het methodologisch verantwoord toepassen van MLA's;
- Het opdoen van praktische ervaring met tenminste één MLA.
- Databases (gedurende ± 3 collegeweken)
- Inleiding met o.a. typen databases, eigenschappen van en eisen aan
databases;
- Relational design: structure, relationships, normalization;
- Database queries: selects, joins, nested queries, sql;
- Information-System design: management information systems, IS design,
integrity;
- Databases in practice: acces of oracle.
- Machine learning (gedurende ± 7 weken college, gevolgd
door een practicumopdracht van ± 5 weken). Een keuze wordt gemaakt
uit de lijst van de volgende onderwerpen:
- Inleiding met o.a. learning system design issues;
- Concept learning;
- Decision tree learning;
- Neural network learning: supervised en unsupervised;
- Bayesian learning: baysian belief networks, expectation maximization
algoritme;
- Support vector machines;
- Genetische algoritmes;
- Andere Machine Learning algoritmes.
Voor zover de tijd het toelaat en afhankelijk van de belangstelling van de
studenten kan ook aandacht worden geschonken aan onderwerpen als
- Computational learning theory
- Learning (fuzzy) sets of rules
- Reinforcement learning
- Expectation learning
- Tom M. Mitchell, Machine learning, McGraw-Hill, 1997
- F.D. Rolland, The Essence of Databases, Prentice Hall, 1998
- powerpoint-presentaties zoals gebruikt tijdens de colleges
- enige aanvullende stencils/overdrukken.