Anvendt dataanalyse og maskinlæring

Etter å ha fullført emnet, har du:

• en grunnleggende forståelse kjente sannsynsfordelinger.
• en forståelse av sentrale algoritmer som brukes i statistisk data-analyse og maskinlæring, med hovedvekt på leda læring.
• en forståelse av lineær og logistisk regresjon.
• en forståelse av sentral optimerings algoritmer som ulike gradient metoder.
• kunnskap om sentrale dyplæringsmetoder for leda og uleda læring.
• erfaring i å jobbe med store numeriske prosjekter.
• kjennskap til andre maskinlæringsalgoritmer, slik som support vector maskiner, beslutningstrær og ensemble metoder som random forests, bagging og boosting.

Grunnleggende kunnskap om programmering og numerikk:

• MAT1100
• MAT1110
• MAT1120

Ett eller flere av følgende emner:

• INF1100
• IN1900
• MAT-IN1105
• IN-KJM1900
• BIOS1100

Studenter tatt opp til andre masterprogrammer kan, etter søknad, få adgang til emnet hvis dette er klarert med eget program.

Dersom du ikke allerede har studieplass ved UiO, kan du søke om opptak til våre studieprogrammer, eller søke om å bli enkeltemnestudent.

Emnet kan tilrettelegges for studenter som ikke kan delta i ordinær undervisning på campus.

Undervisningen går over et helt semester med følgende tilbud:

• 4 timer forelesninger per uke
• 4 timer gruppearbeid med numeriske prosjekter per uke i ca. 15 uker
• Ukesoppgaver

• Hjemmeeksamener i form av tre prosjektoppgaver, som hver teller 1/3 av avsluttende karakter. Alle eksamensdelene må leveres for å få karakter i emnet.

Ved oppgaveskriving må du gjøre deg kjent med reglene for kildebruk og referanser. Ved brudd på reglene kan du bli mistenkt for forsøk på fusk.

Som eksamensforsøk i dette emnet teller også forsøk i følgende tilsvarende emner: FYS-STK3155

I dette emnet tilbys det ikke utsatt eksamen for eksamenskandidater som er syke før eksamen eller som blir syke under eksamen. Det kan tilbys utsatt innleveringsfrist.

Sykdommen må dokumenteres med legeattest datert senest på ordinær innleveringsdato. Du må levere legeattesten til emnets kontaktpunkt innen innleveringsfristen for hjemmeeksamen.

Det tilbys ikke ny eksamen til kandidater som trekker seg eller ikke består ordinær eksamen.

• 10 studiepoeng med FYS-STK3155