Kort om emnet

Bayes beslutningsteori, ledet l?ring, parametriske og ikke-parametriske metoder, line?re diskriminantfunksjoner, egenskapsuttrekking, ikkeledet l?ring, klyngeanalyse, syntaktiske metoder.

Hva l?rer du?

Emnet gir en grunnleggende innf?ring i teorien for klassifisering og m?nstergjenkjenning. Studentene skal etter emnet ha et godt grunnlag for ? velge metodikk og konstruere og evaluere klassifikatorer for gitte problemstillinger.

Opptak og adgangsregulering

Ph.d.-kandidater ved UiO s?ker plass p? undervisningen og melder seg til eksamen i Studentweb.

Hvis emnet har begrenset kapasitet, vil ph.d.-kandidater som har emnet i sin utdanningsplan ved UiO bli prioritert. Noen nasjonale forskerskoler kan ha egne regler for rangering av s?kere til emner med begrenset kapasitet.

Ph.d.-kandidater som har opptak ved andre utdanningsinstitusjoner m? innen angitt frist s?ke om hospitantplass.

Forkunnskaper

Anbefalte forkunnskaper

Emnet bygger p? kunnskaper tilsvarende de gitt av MAT1120 – Line?r algebra (MAT120A/B), MAT1110 – Kalkulus og line?r algebra (MAT110A/B) og STK1000 – Innf?ring i anvendt statistikk (tidligere ST005).

Overlappende emner

Emnet overlapper 10 stp mot UNIK4590 – M?nstergjenkjenning (videref?rt).

Emnet overlapper 5 studiepoeng mot STK4030 – Statistisk l?ring: Videreg?ende regresjon og klassifikasjon (nedlagt), og 8 studiepoeng mot tidligere versjon av emnet UNIKI385.

Undervisning

3 timer forelesning og ?ving pr. uke. Emnet har obligatoriske ?velser som m? godkjennes for ? kunne stille til eksamen.