Anbefalede faglige forudsætninger for at deltage i modulet

Modulet bygger videre på viden opnået i kursusmodulerne: Calculus, Anvendt statistik og Lineær algebra

Modulets indhold, forløb og pædagogik

Læringsmål

Viden

• lineære regressionsmodeller på matrix form

• regressionsmodeller herunder logistisk regression og regulariseret regression (fx ridge- og LASSO-regression)

• computer-intensive metoder til estimation af usikkerhed (fx bootstrap-metoden)

• bagging, boosting og ensemble-metoder

Færdigheder

• sammenligning, håndtering og visualisering af resultater og analyser fra flere modeller i statistisk software

• identificere relevante og passende statistiske modeller for en given problemstilling

Kompetencer

• skal kunne reflektere over og kommunikere om kursets forskellige statistiske modeller og teknikker

Undervisningsform

Undervisningen tilrettelægges i henhold til de generelle undervisningsformer for uddannelsen, jf. § 17.

Omfang og forventet arbejdsindsats

Det forventes at den studerende bruger 30 timer per ECTS, hvilket for denne aktivitet betyder 150 timer.

Eksamen

Prøver

Prøvens navn	Statistisk læring
Prøveform	Skriftlig eller mundtlig
ECTS	5
Bedømmelsesform	7-trins-skala
Censur	Intern prøve
Vurderingskriterier	Vurderingskriterierne er angivet i Universitetets eksamensordning

Yderligere informationer

Kontakt: Studienævn for datalogi via cs-sn@cs.aau.dk eller 9940 8854