Course code MLA310

MLA310 Matrisemetoder for Dataanalyse og Maskinlæring

English course information

Søk etter andre emner

Viser emneinfo for studieåret 2022 - 2023.

Emneansvarlige: Ulf Geir Indahl
Medvirkende: Kristian Hovde Liland
Studiepoeng: 10
Ansvarlig fakultet: Fakultet for realfag og teknologi
Frekvens: Hvert høstsemester
Undervises på språk: NO
(NO=norsk, EN=Engelsk)
Undervises i periode:
Emnet gjennomføres og sensureres i høstparallellen. Gis første gang høsten 2022. 
Første gang: Studieår 2022-2023
Undervises hvor?: Campus Ås
Emnets innhold:
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.
Læringsutbytte:
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 MLA210 eller MATH280
Anbefalte forkunnskaper:
Obligatorisk aktivitet:
Obligatoriske prosjektoppgaver underveis i semesteret. Regler for bedømming og godkjenning kunngjøres ved semesterstart.
Vurderingsordning:
Muntlig eksamen basert på pensum og det obligatoriske prosjektarbeidet. 
Sensor:
Sensor bedømmer eksamineringen inklusive spørsmål om prosjektarbeidet.
Normert arbeidsmengde:
250 timer
Undervisningstid:
4 timer per uke inklusive øvinger.
Eksamensdetaljer: Muntlig eksamen: Bokstavkarakterer