Statistisk læring (STA530)
Introduksjon til statistisk læring, multippel lineær regresjon, klassifikasjon, resamplingsmetoder, modellseleksjon, regularisering, ikke-linearitet, trebaserte metoder, klyngeanalyse, multivariable metoder.
Dette er emnebeskrivelsen for studieåret 2023-2024. Merk at det kan komme endringer.
Emnekode
STA530
Versjon
1
Vekting (Sp)
10
Semester undervisningsstart
Høst
Antall semestre
1
Vurderingssemester
Høst
Undervisningsspråk
Engelsk
Innhold
Læringsutbytte
1. Kunnskap. Studenten kjenner godt til de mest populære statistiske modeller og metoder som benyttes i prediksjon og inferens i vitenskap og teknologi, dette inkluderer spesielt regresjons- og klassifikasjonsmodeller.
2. Ferdigheter. Studenten vet hvordan han/hun for et eksisterende datasett kan velge en egnet statistisk modell og metode, og utføre statistiske analyser ved hjelp av statistisk programvare (R). Studenten vet hvordan resultatene fra de statistiske analysene skal presenteres, og hvilke konklusjoner som kan trekkes fra analysene.
Forkunnskapskrav
Anbefalte forkunnskaper
Eksamen / vurdering
Mappeevaluering og skriftlig eksamen
Vurderingsform | Vekting | Varighet | Karakter | Hjelpemiddel |
---|---|---|---|---|
Mappe med to innleveringer | 1/2 | Bokstavkarakterer | ||
Skriftlig eksamen | 1/2 | 4 Timer | Bokstavkarakterer |
Hjemmeoppgaver og skriftlig slutteksamen, vurdert med bokstavkarakterer.Emnet har to vurderingsdeler. 1) Prosjektarbeid som teller 50 % av sluttkarakter, 2) En skriftlig slutteksamen som teller 50 % av sluttkarakter. Både prosjektarbeidet og eksamen må være bestått for å få en bestått sluttkarakter i emnet. Kandidater med ikke-bestått på prosjektarbeidet kan ikke levere prosjektarbeid på nytt før neste gang emnet har ordinær undervisning. Prosjektarbeidet består av to deler som er likt vektet. Endelig karakter på prosjektarbeidet gis når alle arbeidene/oppgavene er innlevert og mappen som helhet sensureres.Det arrangerer ikke konte-eksamen på mappedelen av emnet.