Faglig innhold

I dette emnet har vi fokus på begreper, prinsipper og metoder innen statistisk inferens og læring. Innholdet bygger på og er en utvidelse av hva som studentene tidligere er lært i emnene som listet under "Anbefalte forkunnskaper".

Læringsutbytte

1. Kunnskap. Forstå og kunne gjøre rede for sentrale teoretiske aspekter i statistisk inferens og læring. Forstå og kunne gjøre rede for hvordan man bruker metodene fra statistisk inferens og læring til å utføre en god dataanalyse. Være i stand til å evaluere styrker og svakheter ved metodene og velge mellom dem i en gitt dataanalysesituasjon. 2. Ferdigheter. Kunne analysere et datasett med metoder fra statistisk inferens og læring i praksis (ved hjelp av R eller Python), og kunne diskutere valgene som er gjort og resultatene som er funnet. 3. Kompetanse. Studentene vil være i stand til å delta i vitenskapelige diskusjoner, og sette seg inn i forskning presentert i statistiske tidsskrifter. De vil være i stand til å delta i anvendte prosjekter der data skal analyseres med metoder fra statistisk inferens og læring.

Læringsformer og aktiviteter

Forelesninger, alternativt ledet selvstudium. Obligatorisk praktisk gruppeprosjekt i dataanalyse (anvendelse av teorien i emnet med bruk av R eller Python) og obligatorisk muntlig gruppepresentasjon av en forskningsartikkel eller et forskningstema.

Emnet foreleses ved behov. Dersom det er få ph.d.-studenter i emnet, vil det kun gis som ledet selvstudium.

Obligatoriske aktiviteter

• Arbeider

Anbefalte forkunnskaper

Emnene TMA4267 Lineære statistiske modeller, TMA4295 Statistisk inferens, TMA4300 Beregningskrevende statistiske metoder, TMA4268 Statistisk læring, TMA4315 Generaliserte linære modeller- eller tilsvarende kunnskap. God forståelse og erfaring med R, eller Python, for statistisk dataanalyse

Kursmateriell

Basis for kurset er utvalgte kapitler fra The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition (Springer Series in Statistics, 2009) by Trevor Hastie, Robert Tibshirani, and Jerome Friedman, men mye har skjedd innen fagfeltet siden 2009. I tillegg vil det bli bruke utvalgt annet materiale (kapitler fra bøker og journalartikler). Detaljert informasjon blir gitt ved semesterstart.