Statistisk læring (STA530)

Introduksjon til statistisk læring, multippel lineær regresjon, klassifikasjon, resamplingsmetoder, modellseleksjon, regularisering, ikke-linearitet, trebaserte metoder, forløpsanalyse, klyngeanalyse, multivariable metoder. Anvende metodene i R.


Dette er emnebeskrivelsen for studieåret 2024-2025. Merk at det kan komme endringer.

Fakta

Emnekode

STA530

Versjon

1

Vekting (stp)

10

Semester undervisningsstart

Høst

Antall semestre

1

Vurderingssemester

Høst

Undervisningsspråk

Engelsk

Innhold

NB! Dette er et valgemne og dersom det er færre enn 10 studenter oppmeldt pr. 20. august for høstsemesteret kan dette medføre at emnet ikke tilbys.

Statistisk læring, multippel lineær regresjon, klassifikasjon, resamplingsmetoder, modellseleksjon, regularisering, ikke-linearitet, trebaserte metoder, forløpsanalyse, klyngeanalyse, multivariable metoder. Anvende metodene i R.

Læringsutbytte

1. Kunnskap. Studenten kjenner godt til de mest populære statistiske modeller og metoder som benyttes i inferens og prediksjon i vitenskap og teknologi, dette inkluderer spesielt regresjons- og klassifikasjonsmodeller og generaliseringer av disse.

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 den statistisk programvaren R. Studenten vet hvordan resultatene fra de statistiske analysene skal presenteres, og hvilke konklusjoner som kan trekkes fra analysene.

Forkunnskapskrav

Ingen

Anbefalte forkunnskaper

Et grunnkurs i sannsynlighetsregning og statistikk tilsvarende STA100 Sannsynlighetsregning og statistikk 1. Grunnleggende matematisk analyse og lineær algebra på universitetsnivå tilsvarende MAT100 og MAT200. Erfaring med bruk av programvare, fortrinnsvis R. Minst ett videregående emne i statistikk som f.eks. STA500 eller STA510 er en fordel men ikke et absolutt krav for å ta emnet.

Eksamen / vurdering

Mappeevaluering og skriftlig eksamen

Vurderingsform Vekting Varighet Karakter Hjelpemiddel
Mappe med to innleveringer 1/5 Bokstavkarakterer
Skriftlig eksamen 4/5 4 Timer Bokstavkarakterer

Hjemmeoppgaver og skriftlig slutteksamen, vurdert med bokstavkarakterer.Emnet har to vurderingsdeler. 1) Prosjektarbeid som teller 20 % av sluttkarakter, 2) En skriftlig slutteksamen som teller 80 % 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 arrangeres ikke konte-eksamen på mappedelen/prosjektdelen av emnet.Skriftlig eksamen er med penn og papir

Fagperson(er)

Emneansvarlig:

Jan Terje Kvaløy

Faglærer:

Kaouther Hadji

Emneansvarlig:

Tore Selland Kleppe

Arbeidsformer

Forelesninger, oppgavearbeid/datalab, prosjektarbeid.

Åpent for

Enkeltemner ved Det teknisk-naturvitenskaplige fakultet
Data Science - master i teknologi/siv.ing. Computational Engineering - master i teknologi/siv.ing. Datateknologi - master i teknologi/siv.ing., femårig Datateknologi - master i teknologi/siv.ing. Datateknologi - master i teknologi/siv.ing., deltid Miljøteknologi - master i teknologi/siv.ing. Industriell økonomi - master i teknologi/siv.ing. Industriell økonomi - master i teknologi/siv.ing., femårig Konstruksjons- og maskinteknikk - master i teknologi/siv.ing. Konstruksjons- og maskinteknikk - master i teknologi/siv.ing., femårig Matematikk og fysikk - masterstudium Matematikk og fysikk - femårig integrert master Industriell teknologi og driftsledelse - master i teknologi/siv.ing. Marin- og undervannsteknologi, master i teknologi/siv.ing., femårig Marin- og offshoreteknologi - master i teknologi/siv.ing. Petroleumsteknologi - master i teknologi/siv.ing. Petroleumsteknologi - master i teknologi, femårig

Emneevaluering

Det skal være en tidligdialog mellom emneansvarlig, studenttillitsvalgt og studentene. Formålet er tilbakemelding fra studentene for endringer og justering i emnet inneværende semester.I tillegg skal det gjennomføres en digital emneevaluering minimum hvert tredje år. Den har som formål å innhente studentenes erfaringer med emnet.

Litteratur

Pensumlisten finner du i Leganto