HjemEmner

MLA310 Matrisemetoder for Dataanalyse og Maskinlæring

Studiepoeng:10

Ansvarlig fakultet:Fakultet for realfag og teknologi

Emneansvarlig:Ulf Geir Indahl

Campus / nettbasert:Undervises campus Ås

Undervisningens språk:Engelsk, norsk

Frekvens:Emnet undervises ikke høsten 2024 (fra og med våren 2025 undervises emnet hvert vårsemester).

Forventet arbeidsmengde:250 timer

Undervisnings- og vurderingsperiode:Emnet gjennomføres og sensureres i vårparallellen. Emnet undervises ikke i 2024.

Om dette emnet

Utledning og anvendelser av avanserte matrisemetoder for mønstergjenkjenning, maskinlæring og dataanalyse: Temaene omfatter clustering, projeksjons- og matrisefaktoriseringsmetoder, variabelseleksjon og regularisering for regresjon- og klassifikasjonsproblemer. Vi gjennomgår også effektive beregninger for modellutvelgelse og -validering.

Dette lærer du

Studentene vil lære både det teoretiske grunnlaget for-, og hvordan implementere de ulike metodene for avansert analyse av forskningsdata..
  • Læringsaktiviteter
    Undervisningen blir gitt i form av forelesninger, praktiske øvinger og prosjektarbeid.
  • Pensum
    Oppgis ved semesterstart.
  • Forutsatte forkunnskaper
    Programmeringserfaring og MLA210eller MATH280
  • Anbefalte forkunnskaper
  • Vurderingsordning, hjelpemiddel og eksamen
    Muntlig eksamen basert på pensum og det obligatoriske prosjektarbeidet.

    Muntlig eksamen Karakterregel: Bokstavkarakterer Hjelpemiddel: A1 Ingen kalkulator, ingen andre hjelpemidler
  • Sensorordning
    Sensor bedømmer eksamineringen inklusive spørsmål tilknyttet prosjektarbeidet.
  • Obligatorisk aktivitet
    Obligatoriske prosjektoppgaver underveis i semesteret. Regler for bedømming og godkjenning kunngjøres ved semesterstart.
  • Merknader
    Emnet undervises ikke i 2024
  • Undervisningstider
    4 timer per uke inklusive øvinger.