English

Beskrivelse av emnet

• Kort om emnet
• Hva lærer du?
• Opptak og adgangsregulering
• Forkunnskaper

• Overlappende emner
• Undervisning
• Eksamen

Kort om emnet

Emnet gir innsikt i utvalgte samtidsaktuelle tema innen Data Science. Studentene får praktisk erfaring med dataanalyse og industrirelevante algoritmer og teknologier for dataanalyse. Emnets innhold følger utviklingen i feltet.

Hva lærer du?

Etter å ha fullført emnet har du:

• generell oversikt over de mest samtidsaktuelle og industrirelevante teknologier og metoder innen Data Science;
• teoretisk kunnskap og praktisk erfaring innen dataanalyse og anvendt statistikk;
• erfaring med bruk av distribuerte systemer for lagring og/eller prosessering;
• kompetanse til å gjennomføre et reelt prosjekt i dataanalyse, fra datainnsamling til datadrevet beslutningsveiledning.

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, eller søke om å bli enkeltemnestudent.

Forkunnskaper

Obligatoriske forkunnskaper

I tillegg til generell studiekompetanse eller realkompetanse må du dekke spesielle opptakskrav.

Du må ha:

• Matematikk R1 (eller Matematikk S1 og S2) + R2

Og en av disse:

• Fysikk (1+2)
• Kjemi (1+2)
• Biologi (1+2)
• Informasjonsteknologi (1+2)
• Geofag (1+2)
• Teknologi og forskningslære (1+2)

De spesielle opptakskravene kan også dekkes med fag fra videregående opplæring før Kunnskapsløftet, eller på andre måter.

Anbefalte forkunnskaper

Emnet bygger på:  

• INF1100 - Grunnkurs i programmering for naturvitenskapelige anvendelser/INF1000 - Grunnkurs i objektorientert programmering, 
• INF2220 - Algoritmer og datastrukturer

og / eller  

• STK1100 - Sannsynlighetsregning og statistisk modellering, 
• STK1110 - Statistiske metoder og dataanalyse 1,
• STK2100 - Maskinlæring og statistiske metoder for prediksjon og klassifikasjon, / STK2120 - Statistiske metoder og dataanalyse 2,
• STK3100 - Innføring i generaliserte lineære modeller

Overlappende emner

10 studiepoeng overlapp mot STK-INF4000 – Utvalgte emner i Data Science (nedlagt)

Undervisning

3 timer forelesning, 2 timer åpen gruppe og orakeltjenester ved behov.

Ved fremmøte av tre eller færre studenter kan faglærer, sammen med undervisningsleder, gjøre emnet om til selvstudiumsemne med veiledning.

Eksamen

Obligatoriske prosjektoppgaver og innleveringer/presentasjoner.    

En prosjektoppgave som teller 60% og en avsluttende eksamen som teller 40%. Begge deler må være bestått og må bestås samme semester. For å kunne fremstille seg til eksamen må alle obligatoriske oppgaver i emnet være godkjent.

Prosjekt og muntlig eller skriftlig eksamen. Eksamensform avgjøres innen 15. februar.

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

• 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.

Tilrettelagt eksamen

Søknadskjema, krav og frist for tilrettelagt eksamen.