STK2100 – Maskinl?ring og statistiske metoder for prediksjon og klassifikasjon

Kort om emnet

STK2100 gir innf?ring i ulike metoder for styrt l?ring (regresjon og klassifikasjon). Emnet inneholder b?de modell- og algoritme-baserte tiln?rminger. Hovedvekten vil v?re p? styrt l?ring, men ogs? ikke-styrte metoder som klustring vil bli omtalt.?Emnet omhandler ogs? problematikk knyttet til store datamengder.

Emnet gir et godt grunnlag for videre studier i statistikk eller Data Science, men er ogs? nyttig for studenter som har behov for ? gj?re dataanalyser i andre fagomr?der.

Hva l?rer du?

Etter ? ha fullf?rt emnet:

  • kan du de fundamentale prinsipper for styrt l?ring (regresjon og klassifikasjon) samt hvordan en kan evaluere ulike metoder
  • behersker du mange ulike metoder for styrt l?ring, inkludert line?re modeller, logistisk regresjon, trebaserte metoder, bootstrapping og andre simuleringsbaserte metoder, dimensjons-reduksjon og regularisering, bagging og boosting samt support vector machines
  • har du kunnskap om problematikk knyttet til h?ydimensjonale data
  • har du kjennskap til problemer knyttet til store datamengder og til metoder for ikke-styrt l?ring

Opptak til emnet

Studenter m? hvert semester?s?ke og f? plass p? undervisningen og melde seg til eksamen?i Studentweb.

Spesielle opptakskrav

I tillegg til?generell studiekompetanse?eller?realkompetanse?m? du dekke spesielle opptakskrav.

Du m? ha:

  • Matematikk R1 (eller Matematikk S1 og S2) + R2

Og en av disse:

  • Fysikk (1+2)

  • Kjemi (1+2)

  • Biologi (1+2)

  • Informasjonsteknologi (1+2)

  • Geofag (1+2)

  • Teknologi og forskningsl?re (1+2)

De spesielle opptakskravene kan ogs? dekkes med?fag fra videreg?ende oppl?ring f?r Kunnskapsl?ftet, eller p? andre m?ter.

Overlappende emner

Undervisning

3 timer forelesning og 2 timer regne?velse hver uke hele semesteret.

Eksamen

Avsluttende skriftlig eksamen som teller 100 % ved sensurering.

Dette emnet har