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.
  • Programmeringserfaring og MLA210eller MATH280
  • 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