Kursplan

Statistik, Statistisk inlärning, kandidatkurs, 7,5 högskolepoäng

Statistics, Statistical Learning, Advanced Course, 7,5 Credits

Kurskod: ST310G Högskolepoäng: 7,5
Huvudområde: Statistik Fördjupning: G2F
Senast ändrad: 2023-09-13    
Utbildningsnivå: Grundnivå Beslutad av: Prefekt
Inrättad: 2019-11-01 Litteraturlista fastställd: 2023-09-13
Giltig fr.o.m.: Vårterminen 2024 Revision: 2

Mål

Kunskap och förståelse

Efter avslutad kurs ska den studerande

  • ha kunskap om metoder för att modellera stora och/eller komplexa datamängder
  • känna till begränsningar och styrkor för modeller inom ramen för kursen
  • känna till avväganden vid utvärdering och val av modeller inom ramen för kursen.

Färdighet och förmåga

Den studerande ska efter avslutad kurs kunna

  • föreslå, utforma och medelst statistisk programvara applicera lösningar på problem med användande av modeller inom ramen för kursen
  • presentera analyser och resultat från användande av modeller inom ramen för kursen.

Värderingsförmåga och förhållningssätt

Efter avslutad kurs har den studerande förmågan att

  • utvärdera, jämföra och välja mellan modeller inom ramen för kursen.

Innehåll

Kursens innehåll utgår från begrepp (inom data-mining och statistisk inlärning) såsom prediktion och modellval/-utvärdering, klassificering, regressionsmodeller, unsupervised learning och neurala nätverk.

Examinationer och betyg

Skriftlig tentamen, 3 högskolepoäng (Provkod: A001)
Som betyg används Underkänd (F), Tillräcklig (E), Tillfredsställande (D), Bra (C), Mycket bra (B) eller Utmärkt (A).

Inlämningsuppgifter, 4,5 högskolepoäng (Provkod: A002)
Som betyg används Underkänd (F), Tillräcklig (E), Tillfredsställande (D), Bra (C), Mycket bra (B) eller Utmärkt (A).


Enligt 6 kap. 18 § högskoleförordningen ska betyg sättas på en genomgången kurs om inte universitetet föreskriver något annat. Universitetet får föreskriva vilket betygssystem som ska användas. Betyget ska beslutas av en av universitetet särskilt utsedd lärare (examinator).

Enligt universitetets föreskrifter om betygssystem för utbildning på grundnivå och avancerad nivå (beslut ORU 2018/00929) ska något av uttrycken underkänd, godkänd eller väl godkänd användas som betyg. För utbildning som ingår i en internationell magister- eller masterutbildning eller i universitetets kursutbud för utbytesstudenter ska betygsskalan A-F användas. Rektor, eller den rektorn bestämmer, får besluta om undantag från denna bestämmelse för en viss kurs om det finns särskilda skäl.

Som betyg på kursen används Underkänd (F), Tillräcklig (E), Tillfredsställande (D), Bra (C), Mycket bra (B) eller Utmärkt (A).

Kommentar till betyg

För att få ett godkänt betyg på hela kursen krävs att alla kursens moment godkänts. Betyget på hela kursen är en funktion av betygen på kursens moment. Detaljerad information om kraven för olika betygsnivåer ges vid kursstart.

Examinationsformer

Skriftlig tentamen, 3 högskolepoäng (Provkod: A001)

Inlämningsuppgifter, 4,5 högskolepoäng (Provkod: A002)
Muntlig och skriftlig redovisning.

För studenter med dokumenterad funktionsnedsättning kan universitetet besluta om anpassning av examination eller annan examinationsform.

För ytterligare information se universitetets regler för examination inom utbildning på grundnivå och avancerad nivå.

Särskild behörighet och andra villkor

60 hp i statistik där Statistisk teori 15 hp ingår samt Linjär algebra, 7,5 hp eller Matematik för statistiker, 7,5 hp. Alternativt Statistisk teori, 15 hp samt 22,5 hp i matematik.

För ytterligare information se universitetets antagningsordning.

Övriga föreskrifter

Den som antagits till och registrerats på en kurs har rätt att erhålla undervisning och/eller handledning under den tid som angavs för kurstillfället som den sökande blivit antagen till (se universitetets antagningsordning). Därefter upphör rätten till undervisning och/eller handledning.

Litteratur och övriga lärresurser

Obligatorisk litteratur

Gareth James, Daniela Witten, Trevor Hastie and Robert Tibsharani (2013)
An Introduction to Statistical Learning: with Applications in R
Springer, Fritt tillgänglig på sidan: http://www-bcf.usc.edu/~gareth/ISL/

Referenslitteratur

Trevor Hastie, Robert Tibshirani and Jerome Friedman (2009)
The elements of statistical learning
Springer, Fritt tillgänglig på sidan: https://web.stanford.edu/~hastie/ElemStatLearn/