Om dette emnet

Kurset gir en teoretisk og praktisk introduksjon til behandling, prosessering og analyse av data med avhengighet langs en akse, slik som sekvensielle data og tidsserier. Kurset fokuserer på anvendelser fra biologi, industri og finans. Følgende tema vil dekkes:

  • preprosessering av tidsseriedata
  • stokastiske prosesser og egenskaper
  • prognoser i tidsserier
  • avviksdeteksjon i tidsserier
  • klassifisering/clustering i tidsserier

Kurset presenterer statistiske og maskinlæringsbaserte strategier. Studentene vil lære å bygge effektive og presise modeller som, avhengig av anvendelse, kan bidra til flere av FNs bærekraftsmål, blant andre nummer 3, 11, 12, 14 og 15.

Dette lærer du

Innsikt i relevante problemer og modeller for analyse av sekvensielle data og tidsserier fra statistisk og maskinlærings-perspektiv. Grunnleggende forståelse av egenskaper og definisjoner relatert til tidsserieanalyse. Praktisk "hands-on" erfaring med preprosessering, analyse og tolking av resultater for reelle datasett.

  • Læringsaktiviteter

    • Forelesninger
    • Oppgaver med presentasjoner (skriftlig og programmering)

  • Læringsstøtte

    • Utdypende læremateriale fra internett
    • Spørsmål- og svarsesjoner med øvingslærere

  • Pensum

    Annonseres ved kursstart

  • Forutsatte forkunnskaper

    • Maskinlæring / statistikk (DAT200 / STAT200)
    • Introduksjonskurs i programmering (INF120 eller lignende)
    • Grunnleggende kalkulus og lineæralgebra (MATH113 / 131 eller MATH122 + 123 eller lignende)

  • Anbefalte forkunnskaper

    R-programmering (blir dekt i forelesningene, men grunnleggende kunnskap er en fordel)

  • Vurderingsordning, hjelpemiddel og eksamen

    Samlet vurdering (A-F):

    • Mappevurdering av oppgaver inkludert presentasjoner i løpet av semesteret teller 40% av endelig karakter. Eventuelle sesjoner med obligatorisk oppmøte vil annonseres ved kursstart.
    • Skriftlig avsluttende eksamen, 3.5 timer, teller 60% av endelig karakter.


    Mappe/sammensatt vurdering Karakterregel: Bokstavkarakterer Skriftlig skoleeksamen Karakterregel: Bokstavkarakterer Hjelpemiddel: B1 Utdelt kalkulator, ingen andre hjelpemidler

  • Om bruk av KI

    Eksamen: K1 - ingen bruk av KI

    Obligatorisk aktivitet: K3 - - Full bruk av KI.Bruk av KI er tillatt, men må være i tråd med retningslinjene for bruk av kunstig intelligens (KI) ved NMBU.

    KI inngår ikke direkte i undervisningen, men er en naturlig støtte i programmering og innøving av stoff.

    Her finner du KI-kategoriene beskrevet.

  • Sensorordning

    Ekstern sensor deltar sammen med intern sensor ved utformingen av opplegget for mappeevaluering og eksamensoppgavene og sensorveiledningen. Ekstern sensor kontrollerer intern sensors vurdering av avsluttende eksamen av et tilfeldig utvalg kandidater som en kalibrering med visse mellomrom i henhold til fakultetets retningslinjer for sensur.

  • Undervisningstider

    • Forelesninger og presentasjoner: 4t per uke
    • Øvinger: 2t per uke

  • Opptakskrav

    REALFA