Modulets indhold, forløb og pædagogik

Observationer fra en biologisk organisme, et fysisk eller kemisk system, eller finansielle data er ofte repræsenteret som tidsserier. Kurset bygger ovenpå de øvrige AI-kurser fra tidligere semestre. I dette modul introduceres begreber og metoder, som gør den studerende i stand til at analysere tidsserie data samt drage konklusioner baseret på statistiske egenskaber i data. Målet er at give de studerende kompetencer omkring hvordan statistik og AI metoder kan benyttes til at analysere tidsserier. Kurset bygger ovenpå tidligere semestres AI metoder samt udbygger de studerendes forståelse for relevante matematiske koncepter. Kurset vil indeholde introduktion til teoretiske koncepter som outliers, trend analyse og forecasting, samt konkrete algoritmer til praktisk analyse af sådanne koncepter.

Læringsmål

Viden

Studerende som gennemfører modulet vil opnå:

• Kendskab til statistiske begreber som korrelation, kausalitet, stationaritet, afhængighed samt deres forskelle
• Kendskab til tidsseriemodeller med stokastisk eller deterministisk input, som f.eks. ARMA(X) modeller

Færdigheder

Studerende som gennemfører modulet vil være i stand til at:

• Forstå grundlæggende statistiske egenskaber ved tidsserier, som f.eks. korrelation samt højere ordens afhængigheder
• Anvende AI-baserede, parametriske samt ikke parametriske-metoder til at analysere afhængigheden i og mellem tidsserier
• Anvende metoder der kan påvise og visualisere egenskaber i data, som f.eks. outliers, bias, trends, og frekvens

Kompetencer

Studerende som gennemfører modulet vil være i stand til at:

• Bruge konkrete algoritmer til analyse og behandling af tidsserier med anvendelse indenfor f.eks., klassificering, parameterestimering, regression, støjrensning, forecasting eller bestemmelse af outliers

Undervisningsform

Se oversigt over undervisningsformer under §17.

Eksamen

Forudsætning for indstilling til prøven

• For at kvalificere sig til eksamen, skal den studerende have afleveret obligatoriske opgaver rettidigt.

Prøver