IN-STK9000 – 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.
  • kritisk lese vitenskaplige artikler om fagområdet
  • håndtere og redusere problemer knyttet til personvern og rettferdighet
  • kjenne til den nåværende forskningsgrensen til fagområdet

Opptak og adgangsregulering

Ph.d.-kandidater ved UiO søker plass på undervisningen og melder seg til eksamen i Studentweb.

Hvis emnet har begrenset kapasitet, vil ph.d.-kandidater som har emnet i sin utdanningsplan ved UiO bli prioritert. Noen nasjonale forskerskoler kan ha egne regler for rangering av søkere til emner med begrenset kapasitet.

Ph.d.-kandidater som har opptak ved andre utdanningsinstitusjoner må innen angitt frist søke om hospitantplass.

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

Noe basiskunnskap om matematisk sannsynlighetsberegning (STK1100 – Sannsynlighetsregning og statistisk modellering), lineær algebra (MAT1120 – Lineær algebra) og generelle prinsipper innen statistisk induksjon (STK1110 – Statistiske metoder og dataanalyse) anbefales.

Overlappende emner

10 studiepoeng overlapp mot IN-STK5000 – Adaptive metoder for data-baserte beslutninger

Undervisning

4 timer forelesning/regneøvelser/lab hver uke hele semesteret

Eksamen

Obligatoriske oppgaver, 3-4 mini-prosjekter (med rapport og/eller presentasjon) som kommer til å være for 1-2 studentgrupper og forventes å være av høyere kompleksitet enn for master-varianten av emnet.

Muntlig eller skriftlig eksamen (avhenger av antall studenter).

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 bestått/ikke bestått. 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.

Trekk fra eksamen

Som eksamensforsøk i dette emnet teller også forsøk i følgende tilsvarende emner: IN-STK5000 – Adaptive metoder for data-baserte beslutninger

Fakta om emnet

Studiepoeng

10

Nivå

Ph.d.

Undervisning

Hver høst

Eksamen

Hver høst

Undervisningsspråk

Engelsk