IN-STK5000 – Adaptive metoder for data-baserte beslutninger

Timeplan, pensum og eksamensdato

Velg semester

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 kurset vil du lære om systemer som samler og prosesserer data på en adaptiv måte, for å støtte beslutninger, enten autonomt, eller sammen med mennesker.  Kurset 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
  • 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 istand til å bruke verktøy for storskala beregninger som Tensor-Flow
  • kunne håndtere outliers, forfalskede data osv.

Opptak og adgangsregulering

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

Studenter tatt opp til andre masterprogrammer kan, etter søknad, få adgang til emnet hvis dette er klarert med eget program.

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

Hvis antall påmeldte studenter er høyere enn antall plasser, vil de bli rangert slik:

1) Ph.d.-kandidater som har emnet godkjent i sin studieplan

2) Masterstudenter ved masterprogrammet Data Science som har emnet godkjent i studieplanen sin 

3) Masterstudenter ved Matematisk-naturvitenskapelig fakultetet som har emnet godkjent i studieplanen sin

4) Masterstudenter ved Matematisk-naturvitenskapelig fakultetet

5) Andre

 

Forkunnskaper

Anbefalte forkunnskaper

Kjennskap til sannsynlighetsberegning (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) og lineær algebra (f.eks. MAT1120 – Lineær algebra).

Overlappende emner

10 studiepoeng overlapp mot IN-STK9000 – Adaptive metoder for data-baserte beslutninger

Eksamen

Obligatoriske oppgaver, 3-4 mini-gruppeprosjekter (med rapport og/eller presentasjon).

Muntlig eller skriftlig eksamen (avhenger av antall studenter). Alle obligatoriske oppgaver må være godkjente for å kunne gå opp til eksamen.

Hjelpemidler

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.

Begrunnelse og klage

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.

Trekk fra eksamen

Det er mulig å ta eksamen i emnet inntil tre ganger. Dersom du trekker deg fra eksamen etter fristen eller under eksamen, bruker du et eksamensforsøk.

Som eksamensforsøk i dette emnet teller også forsøk i følgende tilsvarende emner: IN-STK9000 – Adaptive metoder for data-baserte beslutninger

Tilrettelagt eksamen

Søknadskjema, krav og frist for tilrettelagt eksamen.

Fakta om emnet

Studiepoeng

10

Nivå

Master

Undervisning

Hver høst

Eksamen

Hver høst

Undervisningsspråk

Engelsk