IN-STK5000 – Adaptive metoder for data-baserte beslutninger

Timeplan, pensum og eksamensdato

Velg semester

Endringer på grunn av koronaviruset

Høsten 2020 planlegger vi for at undervisning og eksamen gjennomføres slik det er beskrevet i emnebeskrivelsen og på semestersidene, men det kan komme endringer på grunn av korona-situasjonen. Du får varsler om eventuelle endringer på semestersiden og/eller i Canvas.

Våren 2020 ble undervisning og eksamen digital. Se endringer og felles retningslinjer for eksamener ved MN-fakultetet våren 2020.

Kort om emnet

Klassisike tilnærminger til data analyse er basert på en statisk (eller forhåndsbestemt) prosedyre for både innsamling og prosessering av data. Moderne tilnærminger forholder seg til adaptive prosedyrer som i praksis nesten alltid blir brukt.

I dette emnet vil du lære om systemer som samler og prosesserer data på en adaptiv måte, for å støtte beslutninger, enten autonomt, eller sammen med mennesker.  Emnet bruker sentrale prinsipper innen maskinlæring, kunstig intelligens, databaser, og parallellregning på realistiske problemstillinger knyttet til sikkerhet, reproduserbarhet, transparens, personvern, og rettferdighet.

Hva lærer du?

Etter å ha fullført emnet, vil du:

  • ha en helhetlig forståelse av adaptiv dataanalyse som et generelt beslutningsproblem
  • ha grunnleggende forståelse av SQL
  • vite hvordan datainnsamling planlegges på en adaptiv måte
  • forstå når datasikkerhet er viktig og hvordan den ivaretas
  • kunne sørge for transparente konklusjoner ved å tallfeste tilliten i dem og sikkerstille reproduserbarhet
  • kunne gi garantier på sikkerhet og pålitelighet
  • skjønne problemer med diskriminering og rettferdighet som kan oppstå
  • være i stand til å bruke verktøy for storskala beregninger som Tensor-Flow
  • kunne håndtere outliers, forfalskede data osv.

Opptak til emnet

IN-STK5000 og IN-STK9000 sees under ett med hensyn til opptak og antall plasser. Hvis antall påmeldte studenter er høyere enn antall plasser, vil de bli rangert som følgende:

  1. PhD.-kandidater som har emnet godkjent i sin studieplan
  2. Masterstudenter ved masterprogrammet Data Science som har emnet godkjent i studieplanen sin 
  3. Masterstudenter ved Det matematisk-naturvitenskapelig fakultet som har emnet godkjent i studieplanen sin
  4. Masterstudenter ved Det matematisk-naturvitenskapelig fakultet
  5. Andre

Kjennskap til sannsynlighetsberegning (STK1000 – Innføring i anvendt statistikk eller STK1100 – Sannsynlighetsregning og statistisk modellering) eller diskret matematikk, kjennskap til elementær kalkulus (differensiering, integrering) og elementære programmeringsferdigheter (Python) anbefales.

Det er sterkt anbefalt å ha en viss kjennskap til matematisk sannsynlighetsanalyse (f.eks. STK1100), lineær algebra (f.eks. MAT1120 – Lineær algebra) og algoritmer (f.eks. IN2010 – Algoritmer og datastrukturer)

Overlappende emner

Undervisning

4 timer forelesning/regneøvelser/lab hver uke hele semesteret

Les mer om krav til innlevering av oppgaver, gruppearbeid og lovlig samarbeid under retningslinjer for obligatoriske oppgaver. Obligatorisk oppmøte på første forelesning.

Eksamen

Innlevering av obligatoriske oppgaver er påkrevd og alle obligatoriske oppgaver må være godkjent før du kan gå opp til eksamen.

Eksamensformat: 2 grupperapporter, basert på 2 mini-prosjekter, samt en endelig muntlig/skriftlig eksamen.

Hver rapport teller for 40% av endelig karakter og endelig eksamen teller 20%. Alle deler må bli bestått og må bli bestått i samme semester.

Hjelpemidler til eksamen

Alle skriftlige hjelpemidler er tillatt under eksamen.

Eksamensspråk

Eksamensoppgaven blir gitt på engelsk, og du skal besvare eksamenen på engelsk.

Karakterskala

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

Adgang til ny eller utsatt eksamen

Studenter som dokumenterer gyldig fravær fra ordinær eksamen, kan ta utsatt eksamen i starten av neste semester.

Det tilbys ikke ny eksamen til studenter som har trukket seg under ordinær eksamen, eller som ikke har bestått.

Tilrettelagt eksamen, kildebruk, begrunnelse og klage

Se mer om eksamen ved UiO

Sist hentet fra Felles Studentsystem (FS) 14. juli 2020 06:15:50

Fakta om emnet

Studiepoeng
10
Nivå
Master
Undervisning
Høst
Eksamen
Høst
Undervisningsspråk
Engelsk