Course code MLA210

MLA210 Maskinlæring med anvendelser for finans og teknologi

English course information

Søk etter andre emner

Viser emneinfo for studieåret 2022 - 2023.

Emneansvarlige: Ulf Geir Indahl
Medvirkende: Kristian Hovde Liland, Tor Kristian Stevik
Studiepoeng: 10
Ansvarlig fakultet: Fakultet for realfag og teknologi
Frekvens: Hvert vårsemester
Undervises på språk: EN, NO
(NO=norsk, EN=Engelsk)
Undervises i periode:
Emnet gjennomføres og sensureres i vårparallellen. 
Første gang: Studieår 2021-2022
Undervises hvor?: Campus Ås
Emnets innhold:
Matriseteknikker og minste kvadraters metode for mønstergjenkjenning og dataanalyse med anvendelser innenfor teknologi og økonomi. Eksempler på anvendelser er: Tidsserieanalyse, dokumentanalyse, porteføljeoptimering, prosesskontroll, og optimering basert på sammensatte kriterier. Programmeringsspråket Julia blir benyttet for implementering og beregninger. 
Læringsutbytte:
Studentene vil lære både det teoretiske grunnlaget for-, og hvordan implementere de ulike metodene for å gjøre analyse av data fra reelle problemstillinger.
Læringsaktiviteter:
Undervisningen blir gitt i form av forelesninger, praktiske øvinger og prosjektarbeid.
Pensum:
Oppgis ved semesterstart.
Forutsatte forkunnskaper:
MATH113/131MATH111/100 og INF120 eller tilsvarende grunnlag i matematikk og programmering.

Anbefalte forkunnskaper:
STAT100 eller DAT110 eller tilsvarende introduksjonsemne i statistikk.

Obligatorisk aktivitet:
Obligatoriske prosjektoppgaver underveis i semesteret. Regler for bedømming og godkjenning kunngjøres ved semesterstart.
Vurderingsordning:
Skriftlig eller muntlig eksamen basert på pensum og det obligatoriske prosjektarbeidet. 
Sensor:
Sensor bedømmer eksamensbesvarelsen med det skriftlige prosjektarbeidet.
Normert arbeidsmengde:
250 timer
Undervisningstid:
4 timer forelesninger pr. uke. 2 timer øvinger pr. uke
Hjelpemidler ved skriftlig eksamen(er): A1 Ingen kalkulator, ingen andre hjelpemidler
Eksamensdetaljer: Skriftlig eksamen: Bokstavkarakterer