Course code DAT320

DAT320 Analyse av sekvensielle data og tidsseriedata

English course information

Søk etter andre emner

Viser emneinfo for studieåret 2022 - 2023.

Emneansvarlige: Oliver Tomic
Medvirkende: Stefan Schrunner, Kristian Hovde Liland
Studiepoeng: 10
Ansvarlig fakultet: Fakultet for realfag og teknologi
Frekvens: Årlig
Undervises på språk: EN
(NO=norsk, EN=Engelsk)
Undervises i periode:
Høstparallell
Første gang: Studieår 2022-2023
Undervises hvor?: Campus Ås
Emnets innhold:

Kurset gir en teoretisk og praktisk introduksjon til behandling, prosessering og analyse av data med avhengighet langs en akse, slik som sekvensielle data og tidsserier. Kurset fokuserer på anvendelser fra biologi, industri og finans. Følgende tema vil dekkes:

  • preprosessering av tidsseriedata
  • stokastiske prosesser og egenskaper
  • prognoser i tidsserier
  • avviksdeteksjon i tidsserier
  • klassifisering/clustering i tidsserier

Kurset presenterer statistiske og maskinlæringsbaserte strategier. Studentene vil lære å bygge effektive og presise modeller som, avhengig av anvendelse, kan bidra til flere av FNs bærekraftsmål, blant andre nummer 3, 11, 12, 14 og 15.

Læringsutbytte:
Innsikt i relevante problemer og modeller for analyse av sekvensielle data og tidsserier fra statistisk og maskinlærings-perspektiv. Grunnleggende forståelse av egenskaper og definisjoner relatert til tidsserieanalyse. Praktisk "hands-on" erfaring med preprosessering, analyse og tolking av resultater for reelle datasett.
Læringsaktiviteter:
  • Forelesninger
  • Obligatoriske oppgaver med presentasjoner (skriftlig og programmering)
Læringsstøtte:
  • Utdypende læremateriale fra internett
  • Spørsmål- og svarsesjoner med øvingslærere
Pensum:
Annonseres ved kursstart
Forutsatte forkunnskaper:
  • Maskinlæring / statistikk (DAT200 / STAT200)
  • Introduksjonskurs i programmering (INF120 eller lignende)
  • Grunnleggende kalkulus og lineæralgebra (MATH113 / 131 or similar)
Anbefalte forkunnskaper:
R-programmering (blir dekt i forelesningene, men grunnleggende kunnskap er en fordel)
Obligatorisk aktivitet:
Obligatoriske innleveringsoppgaver med presentasjoner (obligatorisk oppmøte)
Vurderingsordning:
Skriftlig eksamen, 3,5 timer, bokstavkarakterer: A-F
Sensor:
Ekstern sensor deltar sammen med intern sensor ved utformingen av eksamensoppgavene og sensorveiledningen. Ekstern sensor kontrollerer intern sensors vurdering av et tilfeldig utvalg kandidater som en kalibrering med visse mellomrom i henhold til fakultetets retningslinjer for sensur.
Normert arbeidsmengde:
Forelesninger: 44tPresentasjoner av innleveringer: 8tSpørsmål- og svarsesjoner: 8tObligatoriske oppgaver, selvstudium og eksamensforberedelser: 190t
Undervisningstid:
  • Forelesninger: 4t per uke
  • Presentasjonssesjoner: 4 x 2 timers sesjoner (datoer blir annonsert)
  • Spørsmål- og svarsesjoner (ikke obligatorisk): 5 x 1,5 timers sesjoner (datoer blir annonsert)
Hjelpemidler ved skriftlig eksamen(er): A1 Ingen kalkulator. Ingen andre hjelpem.
Eksamensdetaljer: Skriftlig eksamen: Bokstavkarakterer