Data Science med R - anvendt prediktiv modellering

Undervisningssemester

Vår

Mål og innhald

Dette emne vil presentere ulike avanserte metoder innen data science for prediktiv modellering og tilhørende bruk av programmet R. Metoder for regresjon, deriblandt ikke-lineær regresjon og generaliserte additive modeller, samt ulike metoder for klassifisering, deriblandt trær, boosting og støttevektor-maskiner, vil studeres. Emnet vil fokusere på praktisk bruk av R, uten å gå detaljert innn på underliggende matematisk teori.

Læringsutbyte

Etter å ha fullført emnet skal studentene ha følgende læringsutbytte:

Kunnskaper

• kjenne til ideene som ligger til grunn for ulike metoder innen data science/prediktiv modellering

Ferdigheter

• Kunne implementere ulike modeller innen data science/prediktiv modellering i R
• Bruke data science metoder på reelle datasett og gjennomføre prediksjoner

Generell kompetanse

• Ha et overblikk over hvordan ulike data science metoder kan bli brukt for å analysere større datasett

Krav til forkunnskapar

Ingen

Tilrådde forkunnskapar

Det er ein fordel å ha tatt STAT621

Studiepoengsreduksjon

Ingen

Krav til studierett

For oppstart på emnet må du søkt og fått opptak til dette videreutdanningsemnet via UiB Videre, https://www.uib.no/utdanning/evu

Arbeids- og undervisningsformer

Digitale forelesninger og/ eller videoer ca 2 timer pr veke

Data lab /2 timer i uken i 9 uker

Obligatorisk undervisningsaktivitet

5 av 9 godkjente obliagatoriske innleveringer

Vurderingsformer

Digital hjemmeeksamen over 3 dager

Hjelpemiddel til eksamen

All hjelpemiddel tillatt.

Karakterskala

Bestått/ikke bestått