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.
Studerende som gennemfører modulet vil opnå:
Studerende som gennemfører modulet vil være i stand til at:
Studerende som gennemfører modulet vil være i stand til at:
Se oversigt over undervisningsformer under §17.
Prøvens navn | Tidsserieanalyse |
Prøveform | Mundtlig pba. projekt |
ECTS | 5 |
Tilladte hjælpemidler | Med visse hjælpemidler:
Se semesterbeskrivelse |
Bedømmelsesform | 7-trins-skala |
Censur | Intern prøve |
Vurderingskriterier | Vurderingskriterierne er angivet i Universitetets eksamensordning |
Engelsk titel | Time Series Analysis |
Modulkode | MSNDAKIB4233 |
Modultype | Kursus |
Varighed | 1 semester |
Semester | Forår
|
ECTS | 5 |
Undervisningssprog | Dansk |
Undervisningssted | Campus Aalborg |
Modulansvarlig |
Uddannelsesejer | Diplomingeniør i design og anvendelse af kunstig intelligens; Professionsbachelor i ingeniørvirksomhed |
Studienævn | Studienævn for Elektronik og IT |
Institut | Institut for Elektroniske Systemer |
Fakultet | Det Teknisk Fakultet for IT og Design |