Statistisk læring

2022/2023

Forudsætninger/Anbefalede 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 navnStatistisk læring
Prøveform
Skriftlig eller mundtlig
ECTS5
Bedømmelsesform7-trins-skala
CensurIntern prøve
VurderingskriterierVurderingskriterierne er angivet i Universitetets eksamensordning

Yderligere informationer

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

 

Fakta om modulet

Engelsk titelStatistical Learning
ModulkodeDSNDVB423
ModultypeKursus
Varighed1 semester
SemesterForår
ECTS5
UndervisningssprogDansk
TompladsJa
UndervisningsstedCampus Aalborg
Modulansvarlig

Organisation

StudienævnStudienævn for Datalogi
InstitutInstitut for Datalogi
FakultetDet Tekniske Fakultet for IT og Design