IN-STK9000 – Ansvarlig datavitenskap
Beskrivelse av emnet
Timeplan, pensum og eksamensdato
Kort om emnet
Klassisike tiln?rminger til data analyse er basert p? en statisk (eller forh?ndsbestemt) prosedyre for b?de innsamling og prosessering av data. Moderne tiln?rminger forholder seg til adaptive prosedyrer som i praksis nesten alltid blir brukt.
I dette emnet vil du l?re om systemer som samler og prosesserer data p? en adaptiv m?te, for ? st?tte beslutninger, enten autonomt, eller sammen med mennesker.? Emnet bruker sentrale prinsipper innen maskinl?ring, kunstig intelligens, databaser, og parallellregning p? realistiske problemstillinger knyttet til sikkerhet, reproduserbarhet, transparens, personvern, og rettferdighet.
Hva l?rer du?
Etter ? ha fullf?rt emnet, vil du
- ha en helhetlig forst?else av adaptiv dataanalyse som et generelt beslutningsproblem
- vite hvordan datainnsamling planlegges p? en adaptiv m?te
- forst? n?r datasikkerhet er viktig og hvordan den ivaretas
- kunne s?rge for transparente konklusjoner ved ? tallfeste tilliten i dem og sikkerstille reproduserbarhet
- kunne gi garantier p? sikkerhet og p?litelighet
- skj?nne problemer med diskriminering og rettferdighet som kan oppst?
- v?re istand til ? bruke verkt?y for storskala beregninger som Tensor-Flow
- kunne h?ndtere outliers, forfalskede data osv.
- kritisk lese vitenskaplige artikler om fagomr?det
- h?ndtere og redusere problemer knyttet til personvern og rettferdighet
- kjenne til den n?v?rende forskningsgrensen til fagomr?det
Opptak til emnet
IN-STK5000 og IN-STK9000 sees under ett opp?med hensyn til?opptak og antall plasser. Hvis antall p?meldte studenter er h?yere enn antall plasser, vil de bli rangert som f?lgende:
- PhD-kandidater som har emnet godkjent i sin studieplan
- Masterstudenter?ved masterprogrammet Data Science som har emnet godkjent?i?studieplanen?sin?
- Masterstudenter?ved Det matematisk-naturvitenskapelig fakultet som har emnet godkjent?i?studieplanen?sin?
- Masterstudenter?ved Det matematisk-naturvitenskapelig fakultet
- Andre
Anbefalte forkunnskaper
Kjennskap til sannsynlighetsberegning (STK1000 – Innf?ring i anvendt statistikk eller STK1100 – Sannsynlighetsregning og statistisk modellering) eller diskret matematikk, kjennskap til?element?r kalkulus (differensiering, integrering) og element?re programmeringsferdigheter (Python) anbefales.
Det er sterkt anbefalt ? ha en viss kjennskap til matematisk sannsynlighetsanalyse (f.eks. STK1100), line?r algebra (f.eks.?MAT1120 – Line?r algebra) og algoritmer (f.eks. IN2010 – Algoritmer og datastrukturer)
Overlappende emner
- 10 studiepoeng overlapp med IN-STK5000 – Adaptive metoder for data-baserte beslutninger.
Undervisning
4 timer forelesning/regne?velser/lab hver uke hele semesteret
Eksamen
Obligatoriske oppgaver, 2 grupperapporter baster p? 2 mini-prosjekter, samt en endelig eksamen (muntlig?eller skriftlig avhengig av antall studenter).?Mini-prosjektene for PhD-emnet?forventes ? v?re av h?yere kompleksitet enn for master-varianten av emnet
Hver rapport teller for 35% av endelig karakter og endelig eksamen teller 30%. Alle deler m? bli best?tt og m? bli best?tt i samme semester.
Hjelpemidler til eksamen
Alle skriftlige hjelpemidler er tillatt under eksamen.
Eksamensspr?k
Eksamensoppgaven blir gitt p? engelsk, og du skal besvare eksamenen p? engelsk.
Karakterskala
Emnet bruker karakterskala best?tt/ikke best?tt. Les mer om karakterskalaen.
Adgang til ny eller utsatt eksamen
Studenter som dokumenterer gyldig frav?r fra ordin?r eksamen, kan ta utsatt eksamen.
Det tilbys ikke ny eksamen til studenter som har trukket seg under ordin?r eksamen, eller som ikke har best?tt.
Mer om eksamen ved UiO
- Kildebruk og referanser
- Tilrettelegging p? eksamen
- Trekk fra eksamen
- Syk p? eksamen / utsatt eksamen
- Begrunnelse og klage
- Ta eksamen p? nytt
- Fusk/fors?k p? fusk
Andre veiledninger og ressurser finner du p? fellessiden om eksamen ved UiO.