Dataorientert visuell berekning
Masteremne
- Studiepoeng
- 10
- Undervisningssemester
- Vår
- Emnekode
- INF250
- Talet på semester
- 1
- Undervisningsspråk
- Engelsk
- Ressursar
- Timeplan
Emnebeskrivelse
Mål og innhald
Mål:
Hovudmålet med emnet INF250 er å gje studentane den naudsynte kunnskapen og relaterte ferdigheiter for å utnytte data i moderne databehandlingsproblem (spesielt i visuell databehandling), i tillegg til generell kompetanse i data-orientert visuell databehandling. Studentane blir introdusert til eit bredt spekter av matematiske berekningsløysingar for å omforme data til verdiar i forskjellige applikasjoner (betre modellar, beslutningar, også vidare). Etter ein vellukka fullføring av emnet så veit studentane kva slags løysingar som eksisterer, korleis dei fungerar, og er i stand til å nytte dei på verklege, dataintense problem.
Innhald:
Emnet behandlar eit bredt spekter av tema i samanheng med data-orientert visuell databehandling. Dette inkluderar nyttige løysingar frå lineær algebra, metodar for å endre representasjon av data (endring av grunnlag, også vidare), metodar for å tilpasse modellar til data, grunnleggjande optimalisering, nyttig grunnlag i numerisk derivasjon og integrasjon, utvalde tema frå statistikk og maskinlæring, samt ein innføring i biletehandsaming og visualisering.
Læringsutbyte
Studenten skal ved avslutta emne ha følgjande læringsutbyte definert i kunnskapar, ferdigheiter og generell kompetanse:
Kunnskapar:
Studenten
- veit om lineære system og korleis å løyse dei
- forstår basiskonseptet og veit korleis å endre basis
- veit om utvalde dekomposisjonsmetodar og korleis å utnytte dei for å oppnå ein meir meiningfull representasjon av data
- veit om datamodellering og korleis å tilpasse ein enkel modell til data
- forstår analytiske løysingar av iterative tilnærmingar
- forstår utvalde grunnlag om optimalisering
- kjenner grunnleggjande metodar for numerisk derivasjon og integrasjon
- forstår utvalde grunnlag i statistikk, nyttig for data-orientert visuell databehandling
- veit om grunnlag i maskinlæring, nyttig for data-orientert visuell databehandling
- veit utvalde grunnlag i biletehandsaming og visualisering
Ferdigheiter:
Studenten
- er i stand til å endre basisen for ein gjeve datarepresentasjon
- kan bruke SVD eller PCA for å beire utnytte verdien i gitt data
- er i stand til å tilpasse ein enkel modell for gitt data
- kan programmere ein iterativ løysing for å løyse visse grunnleggjande data-orienterte problem
- er i stand til å gjennomføre ein grunnleggjande optimalisering på eit gitt data-orientert problem
- kan realisere ein enkel numerisk løysing på eit gjeve derivasjons- eller integrasjonsproblem
- kan utnytte grunnleggjande statistiske begrep for å kople gjevne data til verdiar
- kan utføre enel biletehandsaming og grunnleggjande visualisering
Studiepoeng, omfang
Studienivå (studiesyklus)
Undervisningssemester
Vår.
Emnet krev ei rimeleg forståing av matematikk (spesielt innen lineær algebra) og noko kunnskap i programmering. Emnet bør derfor inngå i 4. eller 6.semester.
Krav til forkunnskapar
INF100 og INF101 (eller tilsvarande)
MAT101 eller MAT111 eller MAT105 (eller tilsvarande)
Emnet forutsettar grunnleggjande kunnskap om programmering og matematikk frå tidlegare universitetsutdanning. Studentane skal ha bestått minst eitt grunnkurs fra matematikk (helst med grunnleggjande opplæring i lineær algebra), og minst to emne om programmering.
Tilrådde forkunnskapar
Krav til studierett
Arbeids- og undervisningsformer
Obligatorisk undervisningsaktivitet
Vurderingsformer
I emnet nyttar ein følgjande vurderingsformer:
- 3 timar skriftleg eksamen på slutten av semesteret (40% av evalueringen)
- oppgåver (60% av evalueringa)