STK-IN4300 – Statistiske læringsmetoder i Data Science

Timeplan, pensum og eksamensdato

Velg semester

Kort om emnet

Emnet fokuserer på metoder i moderne dataanalyse både fra et praktisk og fra et teoretisk rammeverk. Slike metoder, kalt maskinlæring eller statistisk læring, gjør færre antagelser enn klassiske metoder. Følgelig spiller data en større rolle i identifisering av strukturer og sammenhenger. Emnet starter med klassiske metoder og dekker videre mer avanserte prosedyrer, spesifikt designet for å takle moderne datautfordringer som økende kompleksitet og store mengder av informasjon (stordatasituasjoner).

Hva lærer du?

Etter å ha fullført emnet vil du:

  • forstå nøkkelbegreper for god analyse av data;
  • forstå de teoretiske aspekter på metoder innen maskin/statistisk læring;
  • kjenne til en rekke ulike metoder for dataanalyse, inkludert straffet likelihood, basis ekspansjoner, nevrale nettverk, boosting og ensemble metoder og Gaussiske prosesser innen maskinlæring;
  • kjenne til prosedyrer for å tilpasse slike metoder til data, inkludert (stokastiske) gradientmetoder og back-propagation.
  • kunne evaluere styrker og svakheter ved disse metodene og velge mellom dem i praksis.

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.

For å få studieplass på dette emnet må du være tatt opp på et masterprogram ved Matematisk institutt.

Forkunnskaper

Anbefalte forkunnskaper

Det vil være nyttig med kjennskap til statistikk (STK1100 – Sannsynlighetsregning og statistisk modellering), lineær regresjon (STK1110 – Statistiske metoder og dataanalyse), lineær algebra (MAT1120 – Lineær algebra) og grunnleggende programmeringsferdigheter (IN1900 – Introduksjon til programmering for naturvitenskapelige anvendelser).

 

Undervisning

3 timer forelesning/regneøvelser hver uke hele semesteret

Eksamen

2 obligatoriske oppgaver.

Muntlig eller skriftlig eksamen. Eksamensform kunngjøres av faglærer senest 15. oktober/15. mars for henholdsvis høstsemesteret og vårsemesteret.

Hjelpemidler

Ingen hjelpemidler er tillatt.

Eksamensspråk

Dersom emnet undervises på engelsk vil det bare tilbys eksamensoppgavetekst på engelsk.

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:

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.

Tilrettelagt eksamen

Søknadskjema, krav og frist for tilrettelagt eksamen.

Evaluering av emnet

Vi gjennomfører fortløpende evaluering av emnet, og med jevne mellomrom ber vi studentene delta i en mer omfattende evaluering.

Fakta om emnet

Studiepoeng

10

Nivå

Master

Undervisning

Hver høst

Eksamen

Hver høst

Undervisningsspråk

Engelsk

Emnet kan undervises på norsk dersom foreleser og alle studenter på første forelesning ønsker det.