TEK9020 – M?nstergjenkjenning

Kort om emnet

Emnet gir en grunnleggende innf?ring i m?nstergjenkjenning, med vekt p? klassifiseringsteori og maskinl?ring.

Temaer som gjennomg?s er Bayesisk beslutningsteori, klassifikatorer og klassifiseringssystemer, ledet l?ring, parametriske og ikke-parametriske metoder, line?re og generaliserte diskriminantfunksjoner, egenskapsutvelging og feilrateestimering, dimensjonalitetsproblemer, ikke-ledet l?ring og klyngeanalyse.

M?nstergjenkjenning brukes ofte i sammenheng med bilde- og signalanalyse, og vil derfor v?re nyttig for mange studenter innenfor disse fagene.

Hva l?rer du?

Etter fullf?rt emne vil du

  • ha oppn?dd god kjennskap til teorien for klassifisering og m?nstergjenkjenning
  • kunne velge egnet metodikk for ? konstruere en klassifikator for en gitt problemstilling
  • kjenne prinsippene for konstruksjon og utvelging av egnede egenskaper for problemstillingen
  • kunne evaluere en ferdig trent klassifikator
  • ha grunnleggende kjennskap til ikke-ledet l?ring og klyngeanalyse
  • ha innsikt i forskjellene mellom "tradisjonell maskinl?ring", som er tema i dette emnet, og temaet "dyp l?ring"

Opptak til emnet

Ph.d.-kandidater ved UiO s?ker plass p? undervisningen og melder seg til eksamen i?Studentweb.

Hvis emnet har begrenset kapasitet, vil ph.d.-kandidater som har emnet i sin utdanningsplan ved UiO bli prioritert. Noen nasjonale forskerskoler kan ha egne regler for rangering av s?kere til emner med begrenset kapasitet.

Ph.d.-kandidater som har opptak ved andre utdanningsinstitusjoner m? innen angitt frist?s?ke om hospitantplass.

Emnet bygger p? kunnskaper tilsvarende de gitt av MAT1120 – Line?r algebra, MAT1110 – Kalkulus og line?r algebra,?og STK1000 – Innf?ring i anvendt statistikk.

Overlappende emner

Undervisning

Emnet har 3 timer forelesning og ?ving per?uke gjennom hele semesteret.

Det er 2 obligatoriske prosjektoppgaver og en presentasjon som m? godkjennes for ? kunne ta avsluttende eksamen.

Eksamen

  • Avsluttende muntlig eksamen i slutten av semesteret teller %100 ved sensurering. Ved stort antall kandidater kan det bli holdt skriftlig eksamen.

Ph.d.-kandidater vil i forhold til masterstudenter p? den klonede versjonen av emnet, TEK5020 – M?nstergjenkjenning,?f? en utvidelse av pensum. Ph.d-kandidater f?r en ekstra artikkel eller et relevant kapittel i l?reboka til ? presentere for ?vrige studenter.

B?de presentasjonen og obligatoriske oppgaver?m? v?re godkjent for ? kunne ta avsluttende eksamen.

Ved oppgaveskriving 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:

Hjelpemidler til eksamen

Godkjent kalkulator

Eksamensspr?k

Eksamensoppgaven gis p? norsk. Du kan besvare eksamenen p? norsk, svensk, dansk eller engelsk.

Karakterskala

Emnet bruker karakterskala best?tt/ikke best?tt. Les mer om karakterskalaen.

Adgang til ny eller utsatt eksamen

Studenter som dokumenterer gyldig frav?r fra ordin?r eksamen, kan ta?utsatt eksamen i starten av neste semester.

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

Andre veiledninger og ressurser finner du p? fellessiden om eksamen ved UiO.

Sist hentet fra Felles Studentsystem (FS) 10. nov. 2024 05:07:21

Fakta om emnet

Niv?
Ph.d.
Studiepoeng
10
Undervisning
H?st
Eksamen
H?st
Undervisningsspr?k
Norsk