DAT320 Analyse av sekvensielle data og tidsseriedata

NMBU →10 studiepoeng

Studentvurdering

Hvor relevant opplever du emnet?

Gjennomsnittlig svar: ingen svar

Svært irrelevantSvært relevant

Hva er ditt generelle inntrykk av kurset?

Gjennomsnittlig svar: ingen svar

Svært dårligSvært bra

Hva synes du om emnets nivå?

Gjennomsnittlig svar: ingen svar

Svært lettSvært vanskelig

Hva synes du om arbeidsmengden sett i forhold til antall studiepoeng?

Gjennomsnittlig svar: ingen svar

Svært litenSvært stor

KARAKTERFORDELING · H 2025

31 kandidater

H 2022

H 2025

Grupper etter kjønn

SEMESTER

SNITTKARAKTER

3,14 av 5 poeng

NMBU snitt: 3.42

STRYKPROSENT

8,7 %

NMBU snitt: 4,1 %

KANDIDATER PER ÅR

snitt over 4 år

SEMESTRE MED DATA

Eksamen og forkunnskaper

Vurderingen består av

Deltakelse
Innlevering
Mappe/sammensatt vurdering
Skriftlig eksamen · 3.5 Timer
Skriftlig skoleeksamen · 3.5 Timer

Alle delene må normalt være bestått. Karakterfordelingen over gjelder emnet samlet.

Kilde: Data hentet fra Felles studentsystem ved NMBU, slik den var publisert for høsten 2026. NMBU har ikke kvalitetssikret og er ikke ansvarlig for innholdet på denne siden.

Om DAT320

NMBU sin egen emnebeskrivelse — læringsutbytte, innhold og vurderingsform.

Emnets innhold

Kurset gir en teoretisk og praktisk introduksjon til behandling, prosessering og analyse av data med avhengighet langs en akse, slik som sekvensielle data og tidsserier. Kurset fokuserer på anvendelser fra biologi, industri og finans. Følgende tema vil dekkes:

preprosessering av tidsseriedata
stokastiske prosesser og egenskaper
prognoser i tidsserier
avviksdeteksjon i tidsserier
klassifisering/clustering i tidsserier

Kurset presenterer statistiske og maskinlæringsbaserte strategier. Studentene vil lære å bygge effektive og presise modeller som, avhengig av anvendelse, kan bidra til flere av FNs bærekraftsmål, blant andre nummer 3, 11, 12, 14 og 15.

Vis resten (20 avsnitt)

Læringsutbytte

Innsikt i relevante problemer og modeller for analyse av sekvensielle data og tidsserier fra statistisk og maskinlærings-perspektiv. Grunnleggende forståelse av egenskaper og definisjoner relatert til tidsserieanalyse. Praktisk "hands-on" erfaring med preprosessering, analyse og tolking av resultater for reelle datasett.

Anbefalte forkunnskaper

R-programmering (blir dekt i forelesningene, men grunnleggende kunnskap er en fordel)

Forutsatte forkunnskaper

Maskinlæring / statistikk (DAT200 / STAT200)
Introduksjonskurs i programmering (INF120 eller lignende)
Grunnleggende kalkulus og lineæralgebra (MATH113 / 131 eller MATH122 + 123 eller lignende)

Strukturert undervisningstid

Forelesninger og presentasjoner: 4t per uke
Øvinger: 2t per uke

Undervisnings og vurderingsperiode

Emnet starter i høstparallellen. Emnet har undervisning og vurdering i høstparallellen.

Undervisningsmetode for emnet

2 x 2 timer forelesninger per uke. Behov i klasserom: tavle/whiteboard, AV/presentasjonsutstyr. Foretrekker tirsdag og torsdag.
2 timers spørsmål- og svarsesjoner (øvingstimer) med øvingslærer i tillegg til ovennevnte

Vurderingsinfo

Skriftlig skoleeksamen Karakterregel: Bokstavkarakterer Hjelpemiddelkode: B1 Utdelt kalkulator, ingen andre hjelpemidler Mappe/sammensatt vurdering Karakterregel: Bokstavkarakterer

Generell adgangsinformasjon for emnet

REALFA

Beskrivelse av eksamen for kurset

Samlet vurdering (A-F):

Mappevurdering av oppgaver inkludert presentasjoner i løpet av semesteret teller 40% av endelig karakter. Eventuelle sesjoner med obligatorisk oppmøte vil annonseres ved kursstart.
Skriftlig avsluttende eksamen, 3.5 timer, teller 60% av endelig karakter.

Emneansvarlig

Kristian Hovde Liland

Emnefrekvens

Årlig

Informasjon om KI-bruk i emnet

Eksamen: K1 - ingen bruk av KI

Obligatorisk aktivitet: K3 - Bruk av KI innenfor retningslinjene for bruk av kunstig intelligens (KI) ved NMBU.

KI inngår ikke direkte i undervisningen, men er en naturlig støtte i programmering og innøving av stoff.

Læringsaktiviteter

Forelesninger
Oppgaver med presentasjoner (skriftlig og programmering)

Læringsstøtte

Utdypende læremateriale fra internett
Spørsmål- og svarsesjoner med øvingslærere

Normert arbeidsmengde

Forelesninger og presentasjoner: 52t
Øvinger: 26t
Innleveringsoppgaver, selvstudium og eksamensforberedelser: 172t

Obligatoriske aktiviteter

Eventuelle sesjoner med obligatorisk oppmøte vil annonseres ved kursstart.

Pensum

Annonseres ved kursstart

Publiseres på interne nettsider J/N

Sensor

Ekstern sensor deltar sammen med intern sensor ved utformingen av opplegget for mappeevaluering og eksamensoppgavene og sensorveiledningen. Ekstern sensor kontrollerer intern sensors vurdering av avsluttende eksamen av et tilfeldig utvalg kandidater som en kalibrering med visse mellomrom i henhold til fakultetets retningslinjer for sensur.

Skriftlig eksamen i eksamensperioden (J/N)

Kilde: Data hentet fra Felles studentsystem ved NMBU, slik den var publisert for høsten 2026. NMBU har ikke kvalitetssikret og er ikke ansvarlig for innholdet på denne siden.

Kommentarer

Hva burde andre vite før de tar dette? Anonymt, ingen innlogging.

Ofte stilte spørsmål

Hvor mange studiepoeng er DAT320?: DAT320 (Analyse av sekvensielle data og tidsseriedata) ved NMBU gir 10 studiepoeng.
Hva er strykprosenten i DAT320?: Samlet strykprosent for DAT320 ved NMBU er 8,7 %, basert på 127 kandidater. Siste semester (høst 2025) var den 12,9 %.
Hvor vanskelig er DAT320?: Snittkarakteren i DAT320 er C (3.14 av 5 poeng), mot 8,7 % stryk. Jo lavere snitt og høyere strykprosent, jo mer krevende er emnet sammenlignet med andre emner ved NMBU.
Hvor kommer tallene for DAT320 fra?: Karakterdataene er hentet fra DBH (Database for statistikk om høyere utdanning) hos HK-dir, publisert under NLOD. Studentvurderingene er våre egne, slått sammen med vurderinger fra Karakterweb.

Studieprogram med dette emnet

Basert på hvor kandidatene til eksamen var registrert (DBH).

Relaterte emner ved NMBU

Emner som tas i de samme studieprogrammene som DAT320.

DAT350 Anvendt helsedatavitenskap og medisinsk fysikk snitt B · 0 % stryk
MLA210 Maskinlæring med eksempler fra teknologi og finans snitt B · 0 % stryk
DAT300 Anvendt dyplæring snitt C · 7 % stryk
IND320 Data til beslutning 4,9 % stryk
MATH285 Optimering snitt D · 31,9 % stryk
DAT200 Anvendt maskinlæring snitt C · 8 % stryk
DAT110 Innføring i dataanalyse og -visualisering snitt C · 14 % stryk
INF221 Informatikk for datavitere snitt C · 3,9 % stryk

Mer om NMBU

Les om karakterfordelingen ved NMBU →Les om NMBU →

Utvikling over tid

Semester	Kandidater	Snitt	Stryk
Høst 2025	31	C (3.13)	12,9 %
Høst 2024	32	C (2.81)	12,5 %
Høst 2023	27	B (3.56)	0 %
Høst 2022	37	C (3.14)	8,1 %

Finner retningen …

Eksamen og forkunnskaper

Vurderingen består av

Deltakelse
Innlevering
Mappe/sammensatt vurdering
Skriftlig eksamen · 3.5 Timer
Skriftlig skoleeksamen · 3.5 Timer

Alle delene må normalt være bestått. Karakterfordelingen over gjelder emnet samlet.

Kilde: Data hentet fra Felles studentsystem ved NMBU, slik den var publisert for høsten 2026. NMBU har ikke kvalitetssikret og er ikke ansvarlig for innholdet på denne siden.

Om DAT320

NMBU sin egen emnebeskrivelse — læringsutbytte, innhold og vurderingsform.

Emnets innhold

preprosessering av tidsseriedata
stokastiske prosesser og egenskaper
prognoser i tidsserier
avviksdeteksjon i tidsserier
klassifisering/clustering i tidsserier

Vis resten (20 avsnitt)

Læringsutbytte

Anbefalte forkunnskaper

R-programmering (blir dekt i forelesningene, men grunnleggende kunnskap er en fordel)

Forutsatte forkunnskaper

Maskinlæring / statistikk (DAT200 / STAT200)
Introduksjonskurs i programmering (INF120 eller lignende)
Grunnleggende kalkulus og lineæralgebra (MATH113 / 131 eller MATH122 + 123 eller lignende)

Strukturert undervisningstid

Forelesninger og presentasjoner: 4t per uke
Øvinger: 2t per uke

Undervisnings og vurderingsperiode

Emnet starter i høstparallellen. Emnet har undervisning og vurdering i høstparallellen.

Undervisningsmetode for emnet

2 x 2 timer forelesninger per uke. Behov i klasserom: tavle/whiteboard, AV/presentasjonsutstyr. Foretrekker tirsdag og torsdag.
2 timers spørsmål- og svarsesjoner (øvingstimer) med øvingslærer i tillegg til ovennevnte

Vurderingsinfo

Skriftlig skoleeksamen Karakterregel: Bokstavkarakterer Hjelpemiddelkode: B1 Utdelt kalkulator, ingen andre hjelpemidler Mappe/sammensatt vurdering Karakterregel: Bokstavkarakterer

Generell adgangsinformasjon for emnet

REALFA

Beskrivelse av eksamen for kurset

Samlet vurdering (A-F):

Mappevurdering av oppgaver inkludert presentasjoner i løpet av semesteret teller 40% av endelig karakter. Eventuelle sesjoner med obligatorisk oppmøte vil annonseres ved kursstart.
Skriftlig avsluttende eksamen, 3.5 timer, teller 60% av endelig karakter.

Emneansvarlig

Kristian Hovde Liland

Emnefrekvens

Årlig

Informasjon om KI-bruk i emnet

Eksamen: K1 - ingen bruk av KI

Obligatorisk aktivitet: K3 - Bruk av KI innenfor retningslinjene for bruk av kunstig intelligens (KI) ved NMBU.

KI inngår ikke direkte i undervisningen, men er en naturlig støtte i programmering og innøving av stoff.

Læringsaktiviteter

Forelesninger
Oppgaver med presentasjoner (skriftlig og programmering)

Læringsstøtte

Utdypende læremateriale fra internett
Spørsmål- og svarsesjoner med øvingslærere

Normert arbeidsmengde

Forelesninger og presentasjoner: 52t
Øvinger: 26t
Innleveringsoppgaver, selvstudium og eksamensforberedelser: 172t

Obligatoriske aktiviteter

Eventuelle sesjoner med obligatorisk oppmøte vil annonseres ved kursstart.

Pensum

Annonseres ved kursstart

Publiseres på interne nettsider J/N

Sensor

Skriftlig eksamen i eksamensperioden (J/N)

Kilde: Data hentet fra Felles studentsystem ved NMBU, slik den var publisert for høsten 2026. NMBU har ikke kvalitetssikret og er ikke ansvarlig for innholdet på denne siden.

Ofte stilte spørsmål

Hvor mange studiepoeng er DAT320?

DAT320 (Analyse av sekvensielle data og tidsseriedata) ved NMBU gir 10 studiepoeng.

Hva er strykprosenten i DAT320?

Samlet strykprosent for DAT320 ved NMBU er 8,7 %, basert på 127 kandidater. Siste semester (høst 2025) var den 12,9 %.

Hvor vanskelig er DAT320?

Snittkarakteren i DAT320 er C (3.14 av 5 poeng), mot 8,7 % stryk. Jo lavere snitt og høyere strykprosent, jo mer krevende er emnet sammenlignet med andre emner ved NMBU.

Hvor kommer tallene for DAT320 fra?

Karakterdataene er hentet fra DBH (Database for statistikk om høyere utdanning) hos HK-dir, publisert under NLOD. Studentvurderingene er våre egne, slått sammen med vurderinger fra Karakterweb.

Semester

Kandidater

Snitt

Stryk

Høst 2025

C (3.13)

12,9 %

Høst 2024

C (2.81)

12,5 %

Høst 2023

B (3.56)

0 %

Høst 2022

C (3.14)

8,1 %

Karakterfordeling og studentvurderinger i DAT320

Studentvurdering

Hvor relevant opplever du emnet?

Hva er ditt generelle inntrykk av kurset?

Hva synes du om emnets nivå?

Hva synes du om arbeidsmengden sett i forhold til antall studiepoeng?

Eksamen og forkunnskaper

Vurderingen består av

Om DAT320

Emnets innhold

Læringsutbytte

Anbefalte forkunnskaper

Forutsatte forkunnskaper

Strukturert undervisningstid

Undervisnings og vurderingsperiode

Undervisningsmetode for emnet

Vurderingsinfo

Generell adgangsinformasjon for emnet

Beskrivelse av eksamen for kurset

Emneansvarlig

Emnefrekvens

Informasjon om KI-bruk i emnet

Læringsaktiviteter

Læringsstøtte

Normert arbeidsmengde

Obligatoriske aktiviteter

Pensum

Publiseres på interne nettsider J/N

Sensor

Skriftlig eksamen i eksamensperioden (J/N)

Kommentarer

Ofte stilte spørsmål

Studieprogram med dette emnet

Relaterte emner ved NMBU

Mer om NMBU

Utvikling over tid

Karakterfordeling og studentvurderinger i DAT320

Studentvurdering

Hvor relevant opplever du emnet?

Hva er ditt generelle inntrykk av kurset?

Hva synes du om emnets nivå?

Hva synes du om arbeidsmengden sett i forhold til antall studiepoeng?

Eksamen og forkunnskaper

Vurderingen består av

Om DAT320

Emnets innhold

Læringsutbytte

Anbefalte forkunnskaper

Forutsatte forkunnskaper

Strukturert undervisningstid

Undervisnings og vurderingsperiode

Undervisningsmetode for emnet

Vurderingsinfo

Generell adgangsinformasjon for emnet

Beskrivelse av eksamen for kurset

Emneansvarlig

Emnefrekvens

Informasjon om KI-bruk i emnet

Læringsaktiviteter

Læringsstøtte

Normert arbeidsmengde

Obligatoriske aktiviteter

Pensum

Publiseres på interne nettsider J/N

Sensor

Skriftlig eksamen i eksamensperioden (J/N)

Kommentarer

Ofte stilte spørsmål

Studieprogram med dette emnet

Relaterte emner ved NMBU

Mer om NMBU

Utvikling over tid