FYS5429 – Avansert maskinl?ring og dataanalyse for fysiske fag
Beskrivelse av emnet
Kort om emnet
Fremskritt innen kunstig intelligens/maskinl?ringsmetoder gir verkt?y som har bred anvendelighet i vitenskapelig forskning. Disse teknikkene brukes p? tvers av mangfoldet av forskningsfelt i moderne vitenskap, og f?rer til fremskritt som legger til rette for vitenskapelige oppdagelser og samfunnsmessige anvendelser.
I dette emnet fokuserer vi p? avansert maskinl?ring og statistiske l?ringsmetoder, som blir brukt i et bredt felt av problemstillinger innen fysikk og livsvitenskap - fra beregningsorientert nevrovitenskap til analyse av eksperimenter i h?yenergifysikk. Vi diskuterer overv?kede og uoverv?kede l?ringsmetoder, som strekker seg fra ulike dypl?ringsmetoder til Bayesiansk modellering.
Hva l?rer du?
Etter ? ha fullf?rt dette emnet skal du:
- v?re kjent med sentrale dypl?ringsmetoder, og hvordan bruke disse i forskning.
- kjenne til avanserte regresonsalgoritmer.
- kunne forst? hvordan du kan simulere komplekse fysiske prosesser med mange frihetsgrader.
- forst? teknikker innen optimering og deres fundamentale rolle innen maskinl?ring.
- v?re kjent med bayesiansk statistikk og bayesiansk maskinl?ring.
- forst? hvordan du finner korrelasjoner i datasett, og kunne kvantifisere usikkerhet.
- forst? hvordan du kan bruke gaussiske prosesser i analyser av fysiske problemer.
Opptak til emnet
Studenter tatt opp til andre masterprogrammer kan, etter s?knad, f? adgang til emnet hvis dette er klarert med eget program.
Dersom du ikke allerede har studieplass ved UiO, kan du s?ke om opptak til v?re?studieprogrammer, eller s?ke om ??bli enkeltemnestudent.
Kapasitet: 20 studenter
Anbefalte forkunnskaper
Gode matematikk-kunnskaper er n?dvendig.
Andre anbefalte emner:
- FYS-STK4155 – Anvendt dataanalyse og maskinl?ring?
- IN5400 – Maskinl?ring for bildeanalyse (videref?rt)
Overlappende emner
- 10 studiepoeng overlapp med FYS9429 – Avansert maskinl?ring og dataanalyse for fysiske fag.
Undervisning
To timer forelesning per uke
?Emnet har to prosjekter som legger grunnlaget for endelig karakter.
Eksamen
To prosjekter (maks. 10 sider per prosjekt) som blir evaluert og hver teller 50 % av endelig karakter. Prosjektene leveres i Inspera. Endelig bokstavkarakter baseres p? de to prosjektene.
Ved oppgaveksriving m? du gj?re deg kjent med reglene for kildebruk og referanser.
Ved brudd p? reglene kan du bli mistenkt for fors?k p? fusk.
Som eksamensfors?k i dette emnet teller ogs? fors?k i f?lgende tilsvarende emner: FYS9429 – Avansert maskinl?ring og dataanalyse for fysiske fag
Hjelpemidler til eksamen
Alle hjelpemidler er tillatt.
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
I dette emnet tilbys det ikke utsatt eksamen for eksamenskandidater som er syke f?r eksamen, eller som blir syke under eksamen. Det kan tilbys utsatt innleveringsfrist. Sykdommen m? dokumenteres med legeattest datert senest p? ordin?r innleveringsdato. Du m? levere legeattesten til emnets kontaktpunkt innen innleveringsfristen for hjemmeeksamen. Det tilbys ikke ny eksamen til kandidater som trekker seg eller ikke best?r ordin?r eksamen.
Mer om eksamen ved UiO
- Kildebruk og referanser
- Tilrettelegging p? eksamen
- Trekk fra eksamen
- Syk p? eksamen / utsatt eksamen
- Begrunnelse og klage
- Ta eksamen p? nytt
- Fusk/fors?k p? fusk
Andre veiledninger og ressurser finner du p? fellessiden om eksamen ved UiO.