Statistisk læring (STA530)
Introduksjon til statistisk læring, multippel lineær regresjon, klassifikasjon, resamplingsmetoder, modellseleksjon, regularisering, ikke-linearitet, trebaserte metoder, forløpsanalyse, klyngeanalyse, multivariable metoder. Anvende metodene i R.
Dette er emnebeskrivelsen for studieåret 2025-2026. Merk at det kan komme endringer.
Emnekode
STA530
Versjon
1
Vekting (stp)
10
Semester undervisningsstart
Høst
Antall semestre
1
Vurderingssemester
Høst
Undervisningsspråk
Engelsk
Innhold
NB! Dette er et valgemne og dersom det er færre enn 10 studenter oppmeldt pr. 20. august for høstsemesteret kan dette medføre at emnet ikke tilbys.
Statistisk læring, multippel lineær regresjon, klassifikasjon, resamplingsmetoder, modellseleksjon, regularisering, ikke-linearitet, trebaserte metoder, forløpsanalyse, klyngeanalyse, multivariable metoder. Anvende metodene i R.
Læringsutbytte
1. Kunnskap. Studenten kjenner godt til de mest populære statistiske modeller og metoder som benyttes i inferens og prediksjon i vitenskap og teknologi, dette inkluderer spesielt regresjons- og klassifikasjonsmodeller og generaliseringer av disse.
2. Ferdigheter. Studenten vet hvordan hen for et eksisterende datasett kan velge en egnet statistisk modell og metode, og utføre statistiske analyser ved hjelp av den statistisk programvaren R. Studenten vet hvordan resultatene fra de statistiske analysene skal presenteres, og hvilke konklusjoner som kan trekkes fra analysene.
Forkunnskapskrav
Anbefalte forkunnskaper
Et grunnkurs i sannsynlighetsregning og statistikk tilsvarende STA100 Sannsynlighetsregning og statistikk 1. Grunnleggende matematisk analyse og lineær algebra på universitetsnivå tilsvarende MAT100 og MAT200. Erfaring med bruk av programvare, fortrinnsvis R. Minst ett videregående emne i statistikk som f.eks. STA500 eller STA510 er en fordel men ikke et absolutt krav for å ta emnet.
Eksamen / vurdering
Mappeevaluering og skriftlig eksamen
Vurderingsform | Vekting | Varighet | Karakter | Hjelpemiddel |
---|---|---|---|---|
Mappe med to innleveringer | 1/5 | Bokstavkarakterer | ||
Skriftlig eksamen | 4/5 | 4 Timer | Bokstavkarakterer |
Fagperson(er)
Faglærer:
Tore Selland KleppeFaglærer:
Jimmy Huy TranEmneansvarlig:
Bjørn Henrik AuestadArbeidsformer
Forelesninger, oppgavearbeid/datalab, prosjektarbeid.