STK2100 – Maskinlæring og statistiske metoder for prediksjon og klassifikasjon
Beskrivelse av emnet
Kort om emnet
STK2100 gir innføring i ulike metoder for styrt læring (regresjon og klassifikasjon). Emnet inneholder både modell- og algoritme-baserte tilnærminger. Hovedvekten vil være på styrt læring, men også ikke-styrte metoder som klustring vil bli omtalt. Emnet omhandler også problematikk knyttet til store datamengder.
Emnet gir et godt grunnlag for videre studier i statistikk eller Data Science, men er også nyttig for studenter som har behov for å gjøre dataanalyser i andre fagområder.
Hva lærer du?
Etter å ha fullført emnet:
- kan du de fundamentale prinsipper for styrt læring (regresjon og klassifikasjon) samt hvordan en kan evaluere ulike metoder
- behersker du mange ulike metoder for styrt læring, inkludert lineære modeller, logistisk regresjon, trebaserte metoder, bootstrapping og andre simuleringsbaserte metoder, dimensjons-reduksjon og regularisering, bagging og boosting samt support vector machines
- har du kunnskap om problematikk knyttet til høydimensjonale data
- har du kjennskap til problemer knyttet til store datamengder og til metoder for ikke-styrt læring
Opptak til emnet
Spesielle opptakskrav
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)
- Samfunnsøkonomi (1+2)
De spesielle opptakskravene kan også dekkes med fag fra videregående opplæring før Kunnskapsløftet, eller på andre måter.
Anbefalte forkunnskaper
- STK1100 – Sannsynlighetsregning og statistisk modellering eller STK-FYS1110 – Sannsynlighetsregning, modellering og dataanalyse for de fysiske fagene
- MAT1100 – Kalkulus
- MAT1110 – Kalkulus og lineær algebra
- MAT1120 – Lineær algebra
- MAT1125 – Videregående lineær algebra
- IN1900 – Introduksjon i programmering for naturvitenskapelige anvendelser
Overlappende emner
- 7 studiepoeng overlapp med STK4030 – Statistisk læring: Videregående regresjon og klassifikasjon (nedlagt).
Undervisning
Eksamen
Avsluttende skriftlig eksamen som teller 100 % ved sensurering.
Dette emnet har 2-4 obligatoriske øvelser som må være godkjent før avsluttende eksamen.
Hjelpemidler til eksamen
Eksamensspråk
Karakterskala
Adgang til ny eller utsatt eksamen
Dette emnet tilbyr både utsatt og ny eksamen. Les mer:
Mer om eksamen ved UiO
- Kildebruk og referanser
- Hvordan bruke KI som student
- 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.