õppeaine eesmärgid eesti k
Kursuse eesmärk on omandada peamiste andmeteaduses kasutatavate algoritmide disaini, analüüsi ja rakendamise printsiipe.
õppeaine eesmärgid inglise k
The aim of the course is to acquire knowledge in the design, analysis and application of the most common data science algorithms.
õppeaine õpiväljundid eesti k.
Kursuse läbinud üliõpilane on võimeline:
- valima andmeteaduse ülesannete lahendamise algoritme;
- hindama nende sobivust ja keerukust;
- realiseerima algoritme ja võrdlema nende efektiivsust.
õppeaine õpiväljundid ingl k.
Upon successful completion of this course, students should be able to:
- choose appropriate algorithms for solving data science problems;
- evaluate their suitability and performance;
- implement algorithms and compare their efficiency.
õppeaine sisu lühikirjeldus eesti k
Kursus annab ülevaate andmeteaduses kasutatavate eri tüüpi algoritmide teoreetilistest alustest, nende disaini, analüüsi ja rakendamise printsiipidest.
õppeaine sisu lühikirjeldus ingl k
This course provides an overview of the theoretical foundations of different types of data science algorithms, their design, analysis and application principles.
hindamisviis eesti k
Eristav hindamine
hindamisviis ingl k
Grading
iseseisev töö eesti k
Iseseisev töö on mõeldud aine teoreetilise osa iseseisvaks läbitöötamiseks ja praktiliste ülesannete iseseisvaks lahendamiseks. Semestri jooksul tuleb täita praktilised tööd, mille arvu määrab õppejõud semestri alguses.
iseseisev töö ingl k
Self-dependent work is intended for the theoretical part studying and practical tasks solving. Practical works should be executed during the semester, the number of them is set by the lecturer at the beginning of the semester.
õppekirjandus
1. Steven S. Skiena, The Data Science Design Manual, Springer, 2017.
2. Brian Steele, John Chandler, Swarna Reddy: Algorithms for Data Science, Springer, 2016.
õppevormid ja mahud
päevaõpe: nädalatunnid
4.0
sessioonõppe töömahud (semestris):
praktikume
3.0
praktikume
12.0