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
sammenligning, håndtering og visualisering af resultater og analyser fra flere modeller i statistisk software
identificere relevante og passende statistiske modeller for en given problemstilling
Undervisningen tilrettelægges i henhold til de generelle undervisningsformer for uddannelsen, jf. § 17.
Det forventes at den studerende bruger 30 timer per ECTS, hvilket for denne aktivitet betyder 150 timer.
Prøvens navn | Statistisk læring |
Prøveform | Skriftlig eller mundtlig |
ECTS | 5 |
Bedømmelsesform | 7-trins-skala |
Censur | Intern prøve |
Vurderingskriterier | Vurderingskriterierne er angivet i Universitetets eksamensordning |
Kontakt: Studienævn for datalogi via cs-sn@cs.aau.dk eller 9940 8854
Engelsk titel | Statistical Learning |
Modulkode | DSNDVB423 |
Modultype | Kursus |
Varighed | 1 semester |
Semester | Forår
|
ECTS | 5 |
Undervisningssprog | Dansk |
Tomplads | Ja |
Undervisningssted | Campus Aalborg |
Modulansvarlig |
Uddannelsesejer | Bachelor (BSc) i datavidenskab og machine learning |
Studienævn | Studienævn for Datalogi |
Institut | Institut for Datalogi |
Fakultet | Det Teknisk Fakultet for IT og Design |