Koulutus | Tutkinto-ohjelma | Opintokokonaisuus | Opintojakso | Opetustarjonta
MTTTS17

Dimensionality Reduction and Visualization, 5 op

Yliopisto
Informaatioteknologian ja viestinnän tiedekunta
Properties of high-dim data; Feature Selection; Linear feature extraction methods such as principal component analysis and linear discriminant analysis; Graphical excellence; Human perception; Nonlinear dimensionality reduction methods such as the self-organizing map and Laplacian embedding; Neighbor embedding methods such as stochastic neighbor embedding and the neighbor retrieval visualizer; Graph visualization; Graph layout methods such as LinLog.

Opetusperiodit

I
II
III
IV

Koodi

MTTTS17

Pääasiallinen opetuskieli

englanti

Lukuvuosi

2019–2020

Opintojakson taso

Syventävät opinnot

Arvosteluasteikko

Yleinen asteikko, 0-5

Vastuuhenkilö

Vastuuopettaja
Jaakko Peltonen

Osaamistavoitteet

Oppimateriaalit

Kokonaisuudet, joihin opintojakso kuuluu

Suoritustapa 1

To pass the course, you must pass the exam and complete a sufficient number of exercises from the exercise packs. Exercise packs will be released during the course.

Osallistuminen opetukseen

07.01.2020 15.05.2020
I
II
III
IV

Opetusperiodit

I
II
III
IV

Koodi

MTTTS17

Pääasiallinen opetuskieli

englanti

Lukuvuosi

2019–2020

Opintojakson taso

Syventävät opinnot

Arvosteluasteikko

Yleinen asteikko, 0-5

Vastuuhenkilö

Vastuuopettaja
Jaakko Peltonen

Suoritustapa 1

To pass the course, you must pass the exam and complete a sufficient number of exercises from the exercise packs. Exercise packs will be released during the course.

Osallistuminen opetukseen

07.01.2020 15.05.2020
I
II
III
IV