DAT110 Innføring i dataanalyse og -visualisering
Emnet kan ha endringer på grunn av koronautbruddet. Sjekk Canvas og studentWeb.
English course Information
Søk etter andre emner
Viser emnet slik det undervises i studieåret med start i 2020 .
Emneansvarlige: Kristin Tøndel
Studiepoeng: 10
Ansvarlig fakultet: Fakultet for realfag og teknologi
Frekvens: Årlig
Undervises på språk: NO
(NO=norsk, EN=Engelsk)
(NO=norsk, EN=Engelsk)
Undervises i periode:
Emnet starter i vårparallellen. Emnet har undervisning/vurdering i vårparallellen.
Første gang: Studieår 2019-2020
Fortrinnsrett: Studenter som tar master i datavitenskap.
Emnets innhold:
- Datatyper og innlesing av data fra ulike filformater.
- Visualisering og eksplorativ analyse for identifikasjon av struktur og trender (histogrammer, scatterplott, box-plott mm).
- Ulike mål på middeltall og spredning (gjennomsnitt, median, varians mm).
- Korrelasjon og kovarians (på enkeltvariable og data på matriseform).
- Krysstabeller.
- Enkel normalfordelingsteori, normaliserende transformasjoner og test av normalitet.
- Genomiske fordelinger, binomiske fordelinger, Poisson-fordelinger.
- Inferens (parametriske og ikke-parametriske for undersøkelse av ett og to utvalg) og enkel variansanalyse.
- Minste kvadraters metode (lineære modeller og polynomtilpasninger)
- Logistisk regresjon (klassifikasjon med to grupper).
- Glatting av tidsavhengige data.
- Klusteranalyse (k-means).
Læringsutbytte:
Ferdigheter og innsikt i grunnleggende teknikker for dataanalyse generert via moderne datafangst. Studenten skal lære om hvilke analysemetoder som passer til
1) Eksplorativ dataanalyse (plotting/visualisering og enkle beskrivende statistiske måltall),
2) Visualisering,
3) Inferens,
4) Modellering og prediksjon med kontinuerlige og kategoriske responser (regresjon (enkel og multippel) og klassifikasjon) og validering av prediktive modeller.
5) Innføring i klyngeanalyse og glatting av tidsseriedata.
Læringsaktiviteter:
Undervisningen består av forelesninger, og øvinger med og uten datamaskin (med bistand fra øvingslærere og emneansvarlig). Det er obligatorisk oppmøte 4 timer per uke. Det anvendes student-aktiv læring.
Læringsstøtte:
Veiledning under øvingstimer.
Pensum:
Pensumlitteratur, hjelpelitteratur, pensumoversikt m.m. oppgis på kursets hjemmeside.
Forutsatte forkunnskaper:
Grunnleggende en- og flervariabel analyse samt grunnleggende lineær algebra som er dekket av MATH111 (Kalkulus 1), MATH112 (Kalkulus 2), MATH113 (Lineær algebra og lineære differensiallikninger) eller MATH131 (Lineær algebra).
Anbefalte forkunnskaper:
INF100 Prinsipper i informasjonsbehandling eller tilsvarende.
Obligatorisk aktivitet:
Obligatoriske innleveringsoppgaver og 2 dobbelttimer obligatorisk oppmøte per uke. Regler for godkjenning av obligatorisk aktivitet kunngjøres ved kursstart.
Vurderingsordning:
Skriftlig eksamen, 3,5 timer.
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 instituttets retningslinjer for sensur.
Normert arbeidsmengde:
Undervisning 78 timer, øvelser 26 timer, forberedelse av presentasjoner 96 timer, kollokvier og egenstudier mm 100 timer.
Opptakskrav:
Realfag
Overlapp:
5 stp med STAT100
10 stp med MATH-INF110
Undervisningstid:
Forelesninger: 2 timer/uke. Forelesning/øving: 2 timer/uke. Øvinger: 2 timer/uke
Eksamensdetaljer: En skriftlig eksamen: A - E / Ikke bestått