Gå til hovedinnhold

Du er nå på UiAs gamle nettsider. Informasjonen du finner her kan være utdatert.

Her finner du våre nye nettsider

0
Hopp til hovedinnhold

Statistisk maskinlæring

MA-225-1

Inngår i studieprogram

  • Industriell matematikk, bachelorprogram

Undervisningsspråk

Norsk. Engelsk ved behov.

Anbefalte forkunnskaper

Kalkulus 1, Statistikk og Lineær algebra. Grunnleggende kjennskap til et programmeringsspråk (Python, MatLab, R e.l.).

Læringsutbytte

Etter fullført emne skal studentene

  • ha kunnskap om de viktigste prinsippene innenfor styrt læring og kunne evaluere forskjellige metoder
  • kunne bygge, estimere og tolke lineære og ikke-lineære regresjonsmodeller
  • kunne utføre og tolke enkle modeller for klassifisering av data
  • kunne bruke et programmeringsspråk for å anvende maskinlæringsmetoder på store datamengder

Innhold

Statistiske metoder i maskinlæring. Multippel regresjon. Ikke-lineære transformasjoner av data. Konfidensintervall i parameterestimering. Logistisk regresjon. Støttevektormaskiner.

Undervisnings- og læringsformer

Forelesninger, gruppearbeid og obligatoriske innleveringer. Arbeid på egne datamaskiner. Prosjekt i gruppe med presentasjon. Emnet har et forventet arbeidsomfang på rundt 267 timer.

Vilkår for å gå opp til eksamen

Obligatoriske innleveringer må være godkjent for at studenten skal kunne gå opp til eksamen, se Canvas for mer informasjon.

Eksamen

Individuell muntlig eksamen, teller 40 %. Gradert karakter.

Individuell oppgave, teller 30 %. Gradert karakter.

Individuell oppgave, teller 30 %. Gradert karakter.

Studentevaluering

Emneansvarlig i samråd med studenttillitsvalgt fastsetter evalueringsform og om emnene skal ha midtveis- eller sluttevaluering, jf. kvalitetssystemet kapittel 4.1.

Tilbys som enkeltemne

Ja, hvis ledig plass.

Tilgang for privatister

Nei

Studiepoengreduksjon

  • MA-217-1 med 7.5 studiepoeng.

Emnebeskrivelse for studieår

Varighet

1 semester

Studiepoeng

10

Start

Høst

Studiested

Kristiansand 

Fakultet

Fakultet for teknologi og realfag 

Timeplan

Pensumliste

Eksamensoppgaver