Emnet er tilknyttet følgende studieprogram

Undervisningsspråk

Norsk. Engelsk ved behov.

Anbefalte forkunnskaper

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

Innhold

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

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

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.

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.

Studentevaluering

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

Tilgang for privatister

Nei

Tilbys som enkeltemne

Ja, hvis ledig plass.

Eksamen

Individuell muntlig eksamen, teller 40 %. Gradert karakter.

Individuell oppgave, teller 30 %. Gradert karakter.

Individuell oppgave, teller 30 %. Gradert karakter.

Reduksjon i studiepoeng

Innholdet i dette emnet dekkes helt eller delvis av annet emne. Tas ett av disse emnene i tillegg, reduseres studiepoengene som følger:

Emne Studiepoengreduksjon
MA-217 – Statistisk maskinlæring 7.5
Sist hentet fra Felles Studentsystem (FS) 1. juli 2024 03:05:19