STK-IN4300 – Statistiske l?ringsmetoder i Data Science
Beskrivelse av emnet
Timeplan, pensum og eksamensdato
Kort om emnet
Emnet fokuserer p? metoder i moderne dataanalyse b?de fra et praktisk og fra et teoretisk rammeverk. Slike metoder, kalt maskinl?ring eller statistisk l?ring, gj?r f?rre antagelser enn klassiske metoder. F?lgelig spiller data en st?rre rolle i identifisering av strukturer og sammenhenger. Emnet starter med klassiske metoder og dekker videre mer avanserte prosedyrer, spesifikt designet for ? takle moderne datautfordringer som ?kende kompleksitet og store mengder av informasjon (stordatasituasjoner).
Hva l?rer du?
Etter ? ha fullf?rt emnet vil du:
- forst? n?kkelbegreper for god analyse av data
- forst? de teoretiske aspekter p? metoder innen maskin/statistisk l?ring
- kjenne til en rekke ulike metoder for dataanalyse, inkludert straffet likelihood, basis ekspansjoner, nevrale nettverk, boosting og ensemble metoder og Gaussiske prosesser innen maskinl?ring
- kjenne til prosedyrer for ? tilpasse slike metoder til data, inkludert (stokastiske) gradientmetoder og back-propagation
- kunne evaluere styrker og svakheter ved disse metodene og velge mellom dem i praksis
Opptak til emnet
Studenter m? hvert semester?s?ke og f? plass p? undervisningen og melde seg til eksamen?i Studentweb.
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.
For ? f? studieplass p? dette emnet m? du v?re tatt opp p? et masterprogram ved Matematisk institutt.
Anbefalte forkunnskaper
- Kjennskap til statistikk tilsvarende STK1100 – Sannsynlighetsregning og statistisk modellering.
- Line?r regresjon tilsvarende STK1110 – Statistiske metoder og dataanalyse.
- Line?r algebra tilsvarende MAT1120 – Line?r algebra.
- Grunnleggende programmeringsferdigheter tilsvarende IN1900 – Introduksjon i programmering for naturvitenskapelige anvendelser.
Overlappende emner
- 10 studiepoeng overlapp med STK-IN9300 – Statiske l?ringsmetoder i Data Science.
- 7 studiepoeng overlapp med STK4030 – Statistisk l?ring: Videreg?ende regresjon og klassifikasjon (nedlagt).
- 7 studiepoeng overlapp med STK9030 – Statistical Learning: Advanced Regression and Classification (nedlagt).
Undervisning
4 timer forelesning/regne?velser hver uke hele semesteret.
Emnet kan undervises p? norsk dersom foreleser og alle studenter p? f?rste forelesning ?nsker det.
Eksamen
Avsluttende skriftlig eksamen eller avsluttende muntlig eksamen, som teller 100 % ved sensurering.
Eksamensform kunngj?res av fagl?rer senest 1. oktober/1. mars for henholdsvis h?stsemesteret og v?rsemesteret.
Dette emnet har 2 obligatoriske ?velser som m? v?re godkjent f?r avsluttende eksamen.
Som eksamensfors?k i dette emnet teller ogs? fors?k i f?lgende tilsvarende emner: STK-IN9300 – Statiske l?ringsmetoder i Data Science
Hjelpemidler til eksamen
Ingen hjelpemidler er tillatt.
Eksamensspr?k
Dersom emnet undervises p? engelsk vil det bare tilbys eksamensoppgavetekst p? engelsk. Du kan besvare eksamen p? 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
Adgang til ny eller utsatt eksamen
Dette emnet tilbyr b?de utsatt og ny eksamen. Les mer:
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.