EPN-V2

ACIT4510 Statistical Learning Course description

Course name in Norwegian
Statistical Learning
Study programme
Master's Programme in Applied Computer and Information Technology
Weight
10.0 ECTS
Year of study
2022/2023
Curriculum
FALL 2022
Schedule
Course history

Introduction

The course covers the foundations and recent advances in Machine Learning from the point of view of Statistical Learning Theory. The goal of this course is to provide students with the practical skills to support the theoretical knowledge acquired during the lecture course and the practical intuitions needed to use and develop effective machine learning solutions to challenging problems.

Access to good statistical/data analysis software is paramount. Therefore, we will illustrate the use of the models throughout the course with real implementation.

Recommended preliminary courses

The participants are expected to know linear algebra, basic functional analysis, and basic concepts in probability theory.

Required preliminary courses

No formal requirements over and above the admission requirements.

Learning outcomes

Læringsutbytte fremkommer i emneplanene.

Teaching and learning methods

Fagmetodiske problemstillinger inngår som en viktig del av studiet, som det å bruke og drøfte ulike læringsmiljøer, undervisningsmetoder, hjelpemidler, lærebøker. Studiet gjør studentene fortrolige med de grunnleggende ferdighetene å kunne uttrykke seg skriftlig og muntlig, å kunne lese og regne og å kunne bruke digitale verktøy i faget matematikk.

For mer utfyllende informasjon, se den enkelte emneplan.

Course requirements

Emnet er organisert i samlinger i høst- og vårsemesteret. Studentene forventes å delta aktivt i samlingene og å ta ansvar for egen læring.

For mer utfyllende informasjon, se den enkelte emneplan.

Assessment

Begge emner omfatter arbeidskrav og undervisning med krav om tilstedeværelse. For nærmere informasjon, se den enkelte emneplan.

Arbeidskrav skal være levert/utført innen fastsatt(e) frist(er). Gyldig fravær dokumentert med for eksempel sykemelding, gir ikke fritak for å innfri arbeidskrav. Studenter som på grunn av sykdom eller annen dokumentert gyldig årsak ikke leverer/utfører arbeidskrav innen fristen, kan få forlenget frist. Ny frist for å innfri arbeidskrav avtales i hvert enkelt tilfelle med den aktuelle læreren.

Arbeidskrav vurderes til godkjent eller ikke godkjent. Studenter som leverer/utfører arbeidskrav innen fristen, men som får vurderingen ikke godkjent, har anledning til maksimum to nye innleveringer/utførelser. Studenten må da selv avtale ny innlevering av det aktuelle arbeidskravet med faglærer. Studenter som ikke leverer/utfører arbeidskrav innen fristen og som ikke har dokumentert gyldig årsak, får ingen nye forsøk. Arbeidskrav må være godkjent før eksamen kan avlegges.

Studenter med mer enn 20 prosent fravær fra samlingene får ikke avlegge eksamen. Gyldig fravær dokumentert med for eksempel sykemelding, gir ikke fritak for kravet om deltakelse.

Permitted exam materials and equipment

Nærmere informasjon om vurdering og eksamen under hvert emne.

K1MB6100, emne 1, 15 studiepoeng:;Individuell muntlig eksamen. Høstsemester. A-F

K1MB6200, emne 2,;15 studiepoeng:;Hjemmeeksamen i gruppe. Vårsemester. A-F.

Grading scale

Mathematics for Grades level 1-7, Course 1

Emneplan godkjent av prodekan for studier 26. mai 2014

Siste revisjon godkjent 04.12.2015

Redaksjonell endring 06.11.2017

Emneplanen gjelder fra høsten 2019

Videreutdanning. Deltidsstudium med samlinger

Fakultet for lærerutdanning og internasjonale studier

Institutt for grunnskole- og faglærerutdanning

Examiners

Two internal examiners. External examiner is used periodically.

Course contact person

Professor Pedro Lind