Statistisk læring

Masteremne

Emnebeskrivelse

Mål og innhald

Emner som blir behandlet inkluderer regresjon, klassifisering, modellvalg og en viss innføring i maskinlæring. Studentane får erfaring i bruk av spesielle programpakker i R.

Læringsutbyte

Etter fullført emne skal studentane kunne:

  • bruke ikke-lineær regresjonsmetoder som Spline, Lokalt Regresjon og generaliserte additive modeller
  • nytte klassifiseringsmetoder som logistisk regresjon, Lineær diskriminant analyse
  • kjenne hvordan man bruker resampling (kryssvalidering , bootstrap) og modellvalgsmetoder for å vurdere og velge modeller og håndtere høydimensjonsdata
  • bruke tre-baserte metoder
  • benytte Support Vector Machines for å løse klassifisering og regresjonsproblemer
  • kjenne unsupervised læringsmetoder som "Principal Components Analysis and Clustering"-metoder
  • kjenne til Deep learning og Naive Bayes

Undervisningssemester

Haust uregelmessig, sjekk om det finnes informasjon under «Timeplan» på rett semester etter 1. juli og/eller om det ligger i emnelisten for utvekslingsstudenter etter 1. april: Workbook: Emneliste for innreisende utvekslingsstudenter (uhad.no)

Undervisningsstad

Bergen
Tilrådde forkunnskapar
Krav til studierett
For oppstart på emnet er det krav om ein studierett knytt til Det matematisk-naturvitskaplege fakultet http://www.uib.no/matnat/52646/opptak-ved-mn-fakultetet
Obligatorisk undervisningsaktivitet
To godkjente obligatoriske innleveringer
Vurderingsformer
Muntlig eksamen.
Karakterskala
Ved sensur av emnet vert karakterskalaen A-F nytta
Emneevaluering
Studentane skal evaluere undervisninga i tråd med UiB og instituttet sitt kvalitetssikringssystem.