Emne - Avanserte statistiske metoder innen inferens og læring - MA8701
MA8701 - Avanserte statistiske metoder innen inferens og læring
Om emnet
Vurderingsordning
Vurderingsordning: Mappevurdering og muntlig eksamen
Karakter: Bestått/Ikke bestått
| Vurderingsform | Vekting | Varighet | Hjelpemidler | Delkarakter |
|---|---|---|---|---|
| Arbeider | 75/100 | |||
| Muntlig eksamen | 25/100 |
Vurderingsordning
Faglig innhold
Emnet foreleses normalt hvert annet år, og bare dersom et tilstrekkelig antall interesserte melder seg. Foreleses neste gang våren 2021. Dersom det melder seg få studenter, vil kurset gis som ledet selvstudium.
Emnet har fokus på sentrale begreper og metoder innen statistisk inferens og læring. Sammen med emnene "MA8704 Sannsynlighetsteori og asymptotiske teknikker" og "MA8702 Videregående beregningskrevende statistiske metoder" danner det en teoretisk basis for doktorgradsstudenter innen statistikk.
Innholdet er en utvidelse av hva som tidligere er lært i emnene som listet under Forkunnskapskrav.
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 utfører 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 gi en god presentasjon og diskusjon av valgene som er gjort og resultatene som er funnet.
3. Kompetanse.
Studentene vil være i stand til å delta i vitenskapelige diskusjoner, sette seg inn i forskning presentert i statistiske tidsskrifter, og utføre forskning innen statistikk på høyt internasjonalt nivå. De vil være i stand til å delta i anvendte prosjekter der data skal analyseres med metoder innen statistisk inferens og læring.
Læringsformer og aktiviteter
Forelesninger, evt. som ledet selvstudium. Praktisk prosjekt i dataanalyse (anvendelse av teorien i emnet med bruk av R eller Python) med muntlig presentasjon (bestått/ikke-bestått).
Obligatoriske aktiviteter
- Arbeider
Spesielle vilkår
Vurderingsmelding krever godkjent undervisningsmelding samme semester. Obligatorisk aktivitet fra tidligere semester kan godkjennes av instituttet.
Forkunnskapskrav
TMA4267 Lineære statistiske modeller, TMA4295 Statistisk inferens, TMA4300 Beregningskrevende statistiske metoder, TMA4268 Statistisk læring eller tilsvarende kunnskaper. God forståelse og erfaring med R, eller Python, for statistisk dataanalyse.
Kursmateriell
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. (Siste oppdaterte versjon finnes fra https://web.stanford.edu/~hastie/ElemStatLearn/.) I tillegg vil det bli bruke utvalgt annet materiale (kapitler fra bøker eller journalartikler). Detaljert informasjon blir gitt ved semesterstart.
Versjon: 1
Studiepoeng:
7.5 SP
Studienivå: Doktorgrads nivå
Termin nr.: 1
Undervises: VÅR 2021
Forelesningstimer: 4
Fordypningstimer: 8
Undervisningsspråk: -
Sted: Trondheim
- Statistikk
Eksamensinfo
Vurderingsordning: Mappevurdering og muntlig eksamen
- Termin Statuskode Vurderings-form Vekting Hjelpemidler Dato Tid Digital eksamen Rom *
- Vår ORD Arbeider 75/100 INSPERA
-
Rom Bygning Antall kandidater - Vår ORD Muntlig eksamen 25/100
-
Rom Bygning Antall kandidater
Vurderingsordning: Mappevurdering
- Termin Statuskode Vurderings-form Vekting Hjelpemidler Dato Tid Digital eksamen Rom *
- Høst ORD Arbeider 30/100 ALLE
-
Rom Bygning Antall kandidater - Høst ORD Muntlig eksamen 70/100 D
-
Rom Bygning Antall kandidater
- * Skriftlig eksamen plasseres på rom 3 dager før eksamensdato. Hvis mer enn ett rom er oppgitt, finner du ditt rom på Studentweb.
For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"