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:Norsk
Frekvens:Emnet undervises ikke høsten 2023 (Normal undervises emnet hvert høstsemester)
Forventet arbeidsmengde:250 timer
Undervisnings- og vurderingsperiode:Emnet gjennomføres og sensureres i høstparallellen. Emnet undervises ikke høsten 2023.
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..
- Undervisningen blir gitt i form av forelesninger, praktiske øvinger og prosjektarbeid.
- Oppgis ved semesterstart.
- Muntlig eksamen basert på pensum og det obligatoriske prosjektarbeidet.
- Sensor bedømmer eksamineringen inklusive spørsmål tilknyttet prosjektarbeidet.
- Obligatoriske prosjektoppgaver underveis i semesteret. Regler for bedømming og godkjenning kunngjøres ved semesterstart.
- Emnet undervises ikke høsten 2023
- 4 timer per uke inklusive øvinger.
- Bokstavkarakterer