ACIT4510 Statistical Learning Emneplan

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.

Alle hjelpemidler er tillatt så lenge regler for kildehenvisning følges

No formal requirements over and above the admission requirements.

The student should have the following outcomes upon completing the course:

Knowledge

Upon successful completion of the course, the student:

• will have a good understanding the different concepts and methods of supervised and unsupervised statistical learning and how to apply them on large data.
• has advanced knowledge of probabilistic formulation of the various learning problems

Skills

Upon successful completion of the course, the student:

• can apply different high-dimensional regression techniques on data
• can apply different classification techniques on data
• can apply clustering techniques on data
• can derive learning algorithms for new models and analyze new data with them.
• can apply dimensionality reduction techniques on data

General competence

Upon successful completion of the course, the student:

• can apply different predictive models on data and assess their performance
• can use supervised and unsupervised learning in different real life problem

This course is divided into two parts. The first part with focus on covering the principles of Statistical Learning. Different seminars will be given on the different methodological aspects of Statistical learning, mainly, supervised learning and unsupervised learning.

The second part will focus on the students completing a programming project. This is a real data analysis problem, where the student is asked to carry out the analysis using the tools and techniques from the course and hand in a report documenting the steps taken in the analysis. The ultimate goal is to build a predictive model.

During this part, there may be lectures if needed, but most of the time will be spent on individual supervision of students in lab-sessions.

The course will also include practical training / lab sessions.

The following required coursework must be approved before the student can take the exam:

A project plan document containing a description of the chosen data set, a preliminary research question and suggested tools and method to apply.

An individual project report approximately 2500 - 5000 words, excluding appendixes.

The exam can be appealed,

New/postponed exam

In case of failed exam or legal absence, the student may apply for a new or postponed exam. New or postponed exams are offered within a reasonable time span following the regular exam. The student is responsible for registering for a new/postponed exam within the time limits set by OsloMet. The Regulations for new or postponed examinations are available in Regulations relating to studies and examinations at OsloMet.

Studenten skal etter å ha fullført emnet ha følgende totale læringsutbytte definert i kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Studentene skal få kunnskap om

• Den undersøkende journalistikkens samfunnsrolle
• Ulike digitale verktøy for å hente inn, behandle og analysere relevante data
• Faktasjekk, kildekritikk, (digitalt) kildevern, innsynsrett, relevante lovverk og tilsvar/samtidig imøtegåelse i undersøkende journalistikk
• Det norske samfunnet: sentrale strukturer og økonomiske forhold
• Hvordan man organiserer en frilansøkonomi og enkeltpersonfortak som undersøkende journalist

Ferdigheter

Studenten kan

• Gjøre kildekritiske vurderinger og utøve kildevern
• gjøre avanserte søk for å hente inn kompleks informasjon fra offentlige tilgjengelige databaser og registre
• skaffe seg innsyn og klage på avslag
• behandle informasjon systematisk, faktasjekke den og formidle den journalistisk i et klart og enkelt format

Generell kompetanse

Studenten kan

• reflektere over gravejournalistikkens samfunnsrolle i den norske velferdsstaten
• reflektere over maktstrukturer

Det legges opp til stor grad av studentaktiv læring. Undervisningen er organisert med forelesninger, seminarundervisning og praktiske øvelser i undersøkende metoder. Studentene skal løse både gruppeoppgaver og individuelle oppgaver.

Emnet har fire læringsmapper:

• Mappelevering 1: Benytte innsynsretten og klage på avslag (valgfri sak)
• Mappelevering 2: Fremskaff all informasjon du kan om en offentlig person (adresse, alder, status (CV), inntekt, eiendom, eierskapsinteresser, aksjer, verv, nettverk etc.) gjennom bruk av journalistiske metoder.
• Mappelevering 3: Finn en gravesak i pressen du mener oppfyller pressens samfunnsrolle som vaktbikkje (gruppepresentasjon på inntil 20 minutter)
• Mappelevering 4: Design et undersøkende prosjekt med en problemstilling og to hypoteser (Gruppevis).

I de praktiske oppgavene vil omfanget variere ut fra hvilke medietyper eller kombinasjoner av disse studenten velger. Omfang vil spesifiseres i oppgavetekster eller individuelt i samarbeid med faglærer. Mer informasjon om innhold og tidsfrister for oppgavene finnes i undervisningsplanen, som er elektronisk tilgjengelig for studentene ved emnestart.

Studenter som ikke leverer læringsmapper og/eller møter på gjennomganger innen gitte frister, mister retten til å få tilbakemelding.

Det er obligatorisk å delta på gruppepresentasjoner og gruppesamarbeid. Hvis studenter ikke deltar, mister de retten til å gå opp til eksamen.

Hensikten med den obligatoriske aktiviteten er å sikre oppnåelse av emnets læringsutbytter.  

Eksamen er en individuell mappeeksamen bestående av alle mappeinnleveringene fra undervisningen. Det gis samlet karakter på eksamen.

Skrifttype og skriftstørrelse: Arial / Calibri / Verdana 12 pkt. Linjeavstand: 1,5.

I de praktiske oppgavene vil omfanget variere ut fra hvilke medietyper eller kombinasjoner av disse studenten velger. Omfang vil spesifiseres i oppgavetekster eller individuelt i samarbeid med faglærer.

Ved strykkarakter må alle delene av mappen leveres på nytt. En student kan ved strykkarakter levere omarbeidet versjon av mappen til sensur én gang.