Statistiske læringsmetoder i Data Science

Etter å ha fullført emnet vil du:

• forstå nøkkelbegreper for god analyse av data
• forstå de teoretiske aspekter på metoder innen maskin/statistisk læring
• kjenne til en rekke ulike metoder for dataanalyse, inkludert straffet likelihood, basis ekspansjoner, nevrale nettverk, boosting og ensemble metoder og Gaussiske prosesser innen maskinlæring
• kjenne til prosedyrer for å 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

• Kjennskap til statistikk tilsvarende STK1100.
• Lineær regresjon tilsvarende STK1110.
• Lineær algebra tilsvarende MAT1120 eller MAT1125.
• Grunnleggende programmeringsferdigheter tilsvarende IN1900.

Studenter må hvert semester søke og få plass på undervisningen og melde seg til eksamen i Studentweb.

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.

For å få studieplass på dette emnet må du være tatt opp på et masterprogram ved Matematisk institutt.

4 timer forelesning/regneøvelser hver uke hele semesteret.

Emnet kan undervises på norsk dersom foreleser og alle studenter på første forelesning ønsker det.

Avsluttende skriftlig eksamen eller avsluttende muntlig eksamen, som teller 100 % ved sensurering.

Eksamensform kunngjøres av faglærer senest 1. oktober/1. mars for henholdsvis høstsemesteret og vårsemesteret.

Dette emnet har 2 obligatoriske øvelser som må være godkjent før avsluttende eksamen.

Som eksamensforsøk i dette emnet teller også forsøk i følgende tilsvarende emner: STK-IN9300

Studenter som dokumenterer gyldig fravær fra ordinær eksamen, kan ta utsatt eksamen i starten av neste semester.

Det tilbys ikke ny eksamen til studenter som har trukket seg under ordinær eksamen, eller som ikke har bestått.