Data Science med R - anvendt prediktiv modellering
Lågaregradsemne
- Studiepoeng
- 5
- Undervisningssemester
- Haust, Vår
- Emnekode
- STAT623
- Talet på semester
- 1
- Ressursar
- Timeplan
- Litteraturliste
Emnebeskrivelse
Mål og innhald
Dette emne vil presentere ulike avanserte metoder innen data science for prediktiv modellering og tilhørende bruk av programmet R. Metoder for regresjon, deriblandt ikke-lineær regresjon og generaliserte additive modeller, samt ulike metoder for klassifisering, deriblandt trær, boosting og støttevektor-maskiner, vil studeres. Emnet vil fokusere på praktisk bruk av R, uten å gå detaljert innn på underliggende matematisk teori.
Læringsutbyte
Etter å ha fullført emnet skal studentene ha følgende læringsutbytte:
Kunnskaper
- kjenne til ideene som ligger til grunn for ulike metoder innen data science/prediktiv modellering
Ferdigheter
- Kunne implementere ulike modeller innen data science/prediktiv modellering i R
- Bruke data science metoder på reelle datasett og gjennomføre prediksjoner
Generell kompetanse
- Ha et overblikk over hvordan ulike data science metoder kan bli brukt for å analysere større datasett
Undervisningssemester
Uregelmessig. Emnet er et videreutdanningsemne som tilbys via UiB Videre, www.uib.no/utdanning/evu/136582/data-science-med-r
Krav til forkunnskapar
Ingen
Tilrådde forkunnskapar
Det er ein fordel å ha tatt STAT621
Studiepoengsreduksjon
Ingen
Krav til studierett
For oppstart på emnet må du søkt og fått opptak til dette videreutdanningsemnet via UiB Videre, www.uib.no/utdanning/evu
Arbeids- og undervisningsformer
Digitale forelesninger og/ eller videoer ca 2 timer pr veke
Data lab /2 timer i uken i 9 uker
Obligatorisk undervisningsaktivitet
5 av 9 godkjente obliagatoriske innleveringer
Vurderingsformer
Digital hjemmeeksamen over 3 dager
Karakterskala
Bestått/ikke bestått
Hjelpemiddel til eksamen
All hjelpemiddel tillatt.