IN-STK5000 ¨C Ansvarlig datavitenskap

Kort om emnet

Klassisike tiln?rminger til data analyse er basert p? en statisk (eller forh?ndsbestemt) prosedyre for b?de innsamling og prosessering av data. Moderne tiln?rminger forholder seg til adaptive prosedyrer som i praksis nesten alltid blir brukt.

I dette emnet vil du l?re om systemer som samler og prosesserer data p? en adaptiv m?te, for ? st?tte beslutninger, enten autonomt, eller sammen med mennesker.? Emnet bruker sentrale prinsipper innen maskinl?ring, kunstig intelligens, databaser, og parallellregning p? realistiske problemstillinger knyttet til sikkerhet, reproduserbarhet, transparens, personvern, og rettferdighet.

Hva l?rer du?

Etter ? ha fullf?rt emnet, vil du:

• ha en helhetlig forst?else av adaptiv dataanalyse som et generelt beslutningsproblem
• vite hvordan datainnsamling planlegges p? en adaptiv m?te
• forst? n?r datasikkerhet er viktig og hvordan den ivaretas
• kunne s?rge for transparente konklusjoner ved ? tallfeste tilliten i dem og sikkerstille reproduserbarhet
• kunne gi garantier p? sikkerhet og p?litelighet
• skj?nne problemer med diskriminering og rettferdighet som kan oppst?
• v?re i stand til ? bruke verkt?y for storskala beregninger som Tensor-Flow
• kunne h?ndtere outliers, forfalskede data osv.

Opptak til emnet

IN-STK5000 og IN-STK9000 sees under ett?med hensyn til?opptak og antall plasser. Hvis antall p?meldte studenter er h?yere enn antall plasser, vil de bli rangert som f?lgende:

1. PhD.-kandidater som har emnet godkjent i sin studieplan
2. Masterstudenter?ved masterprogrammet Data Science som har emnet godkjent?i?studieplanen?sin?
3. Masterstudenter?ved Det matematisk-naturvitenskapelig fakultet som har emnet godkjent?i?studieplanen?sin
4. Masterstudenter?ved Det matematisk-naturvitenskapelig fakultet
5. Andre

Anbefalte forkunnskaper

Kjennskap til sannsynlighetsberegning (STK1000 ¨C Innf?ring i anvendt statistikk eller STK1100 ¨C Sannsynlighetsregning og statistisk modellering) eller diskret matematikk, kjennskap til?element?r kalkulus (differensiering, integrering) og element?re programmeringsferdigheter (Python) anbefales.

Det er sterkt anbefalt ? ha en viss kjennskap til matematisk sannsynlighetsanalyse (f.eks. STK1100), line?r algebra (f.eks.?MAT1120 ¨C Line?r algebra) og algoritmer (f.eks. IN2010 ¨C Algoritmer og datastrukturer)

Overlappende emner

• 10 studiepoeng overlapp med IN-STK9000 ¨C Adaptive metoder for data-baserte beslutninger.

Undervisning

4 timer forelesning/regne?velser/lab hver uke hele semesteret

Les mer om krav til innlevering av oppgaver, gruppearbeid og lovlig ÑDz©ÓéÀÖ¹ÙÍø_ÑDz©ptÊÖ»ú¿Í»§¶ËµÇ¼ under retningslinjer for obligatoriske oppgaver. Obligatorisk oppm?te p? f?rste forelesning.

Eksamen

Innlevering av obligatoriske oppgaver er p?krevd og alle obligatoriske oppgaver m? v?re godkjent f?r du kan g? opp til eksamen.

Eksamensformat: 2 grupperapporter, basert p? 2 mini-prosjekter, samt en endelig muntlig/skriftlig eksamen.

Hver rapport teller for 35% av endelig karakter og endelig eksamen teller 30%. Alle deler m? bli best?tt og m? bli best?tt i samme semester.

Hjelpemidler til eksamen

Alle skriftlige hjelpemidler er tillatt under eksamen.

Eksamensspr?k

Eksamensoppgaven blir gitt p? engelsk, og du skal besvare eksamenen p? 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

Studenter som dokumenterer gyldig frav?r fra ordin?r eksamen, kan ta utsatt eksamen.

Det tilbys ikke ny eksamen til studenter som har trukket seg under ordin?r eksamen, eller som ikke har best?tt.

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.