STK2100 - Maskinlæring og statistiske metoder for prediksjon og klassifikasjon

Timeplan, pensum og eksamensdato

Velg semester

Kort om emnet

STK2100 gir innføring i ulike metoder for styrt læring (regresjon og klassifikasjon). Emnet inneholder både modell- og algoritme-baserte tilnærminger. Hovedvekten vil være på styrt læring, men også ikke-styrte metoder som klustring vil bli omtalt.  Emnet omhandler også problematikk knyttet til store datamengder.

Emnet gir et godt grunnlag for videre studier i statistikk eller Data Science, men er også nyttig for studenter som har behov for å gjøre dataanalyser i andre fagområder.

Hva lærer du?

Etter å ha fullført emnet:

  • Kan du de fundamentale prinsipper for styrt læring (regresjon og klassifikasjon) samt hvordan en kan evaluere ulike metoder.
  • Behersker du mange ulike metoder for styrt læring, inkludert  lineære modeller, logistisk regresjon, trebaserte metoder., bootstrapping og andre simuleringsbaserte metoder, dimensjons-reduksjon og regularisering,  bagging og boosting samt support vector machines.
  • Har du kunnskap om problematikk knyttet til høydimensjonale data.
  • har du kjennskap til problemer knyttet til store datamengder og til metoder for ikke-styrt læring.

Opptak og adgangsregulering

Studenter må hvert semester søke og få plass på undervisningen og melde seg til eksamen i Studentweb.

Dersom du ikke allerede har studieplass ved UiO, kan du søke opptak til våre studieprogrammer, eller søke om å bli enkeltemnestudent.

Forkunnskaper

Obligatoriske forkunnskaper

I tillegg til generell studiekompetanse eller realkompetanse må du dekke spesielle opptakskrav:

En av disse:

  • Matematikk R1
  • Matematikk (S1+S2)

Og en av disse:

  • Matematikk (R1+R2)
  • Fysikk (1+2)
  • Kjemi (1+2)
  • Biologi (1+2)
  • Informasjonsteknologi (1+2)
  • Geofag (1+2)
  • Teknologi og forskningslære (1+2)

De spesielle opptakskravene kan også dekkes med fag fra videregående opplæring før Kunnskapsløftet, eller på andre måter. Les mer om spesielle opptakskrav.

Anbefalte forkunnskaper

Emnet bygger på STK1100 - Sannsynlighetsregning og statistisk modellering, STK1110 - Statistiske metoder og dataanalyse 1, MAT1100 - Kalkulus, MAT1110 - Kalkulus og lineær algebra og MAT1120 - Lineær algebraINF1100 - Grunnkurs i programmering for naturvitenskapelige anvendelser (videreført)MAT-INF1100 - Modellering og beregninger.

Undervisning

3 timer forelesning, 1 time plenumsregning og 2 timer gruppeundervisning/datalab hver uke hele semesteret.

Eksamen

Det kreves gjennomføring av obligatoriske oppgaver. Antallet kan variere fra 2 til 4. Antall opplyses om av faglærer i begynnelsen av semesteret. Skriftlig eksamen.

Hjelpemidler

Tillatte hjelpemidler til eksamen: Godkjent kalkulator, formelsamling for STK2100.

Eksamensspråk

Du kan besvare eksamen på norsk, svensk, dansk eller engelsk.

Karakterskala

Emnet bruker karakterskala fra A til F, der A er beste karakter og F er stryk. Les mer om karakterskalaen.

Begrunnelse og klage

Adgang til ny eller utsatt eksamen

Dette emnet tilbyr både utsatt og ny eksamen. Les mer:

Tilrettelagt eksamen

Søknadskjema, krav og frist for tilrettelagt eksamen.

Fakta om emnet

Studiepoeng

10

Nivå

Bachelor

Undervisning

Hver vår

Eksamen

Hver vår

Undervisningsspråk

Norsk