STK-IN4300 – Statistiske læringsmetoder i Data Science
Beskrivelse av emnet
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 til emnet
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.
For å få studieplass på dette emnet må du være tatt opp på et masterprogram ved Matematisk institutt.
Anbefalte forkunnskaper
- Kjennskap til statistikk tilsvarende STK1100 – Sannsynlighetsregning og statistisk modellering.
- Lineær regresjon tilsvarende STK1110 – Statistiske metoder og dataanalyse.
- Lineær algebra tilsvarende MAT1120 – Lineær algebra.
- Grunnleggende programmeringsferdigheter tilsvarende IN1900 – Introduksjon i programmering for naturvitenskapelige anvendelser.
Overlappende emner
- 10 studiepoeng overlapp med STK-IN9300 – Statiske læringsmetoder i Data Science.
- 7 studiepoeng overlapp med STK4030 – Statistisk læring: Videregående regresjon og klassifikasjon (nedlagt).
- 7 studiepoeng overlapp med STK9030 – Statistical Learning: Advanced Regression and Classification (nedlagt).
Undervisning
4 timer forelesning/regneøvelser hver uke hele semesteret.
Emnet kan undervises på norsk dersom foreleser og alle studenter på første forelesning ønsker det.
Eksamen
Avsluttende skriftlig eksamen eller avsluttende muntlig eksamen, som teller 100 % ved sensurering.
Eksamensform kunngjøres av faglærer senest 1. oktober/1. mars for henholdsvis høstsemesteret og vårsemesteret.
Dette emnet har 2 obligatoriske øvelser som må være godkjent før avsluttende eksamen.
Som eksamensforsøk i dette emnet teller også forsøk i følgende tilsvarende emner: STK-IN9300 – Statiske læringsmetoder i Data Science
Hjelpemidler til eksamen
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
Adgang til ny eller utsatt eksamen
Dette emnet tilbyr både utsatt og ny eksamen. Les mer:
Mer om eksamen ved UiO
- Kildebruk og referanser
- Tilrettelegging på eksamen
- Trekk fra eksamen
- Syk på eksamen / utsatt eksamen
- Begrunnelse og klage
- Ta eksamen på nytt
- Fusk/forsøk på fusk
Andre veiledninger og ressurser finner du på fellessiden om eksamen ved UiO.