2019/2020

KDBA300 Predikativ analyse og maskinlæring

Læringsutbytte

Ved bestått emne har studenten oppnådd følgende læringsutbytte: 

Kunnskap 

Studenten

  • har inngående kunnskap om hvilken rolle maskinlæring spiller i business analytics (k1)
  • har kunnskap om hvordan maskinlæring virker og de og viktigste maskinlæringsmetodene (k2)
  • har inngående kunnskap om muligheter og begrensninger knyttet til ulike maskinlæringsmetoder (k3)
  • har inngående kunnskap om de viktigste forskjellene mellom vanlige data og «big data» med henblikk på maskinlæringsapplikasjoner (k4)
  • Har kunnskap om metoder og prinsipper for datautvinning (k5)

Ferdigheter

Studenten

  • kan gjøre kvalifiserte valg av maskinlæringsteknikker for en gitt forretningsmessig problemstilling (f1)
  • kan diagnostisere maskinlæringsapplikasjoner og foreslå endringer som kan forberede ytelsen (f2)
  • kan evaluere forventet ytelse av maskinlæringsapplikasjoner på nye data (f3)
  • kan anvende kjente maskinlæringsalgoritmer og implementere dem i maskinklæringsapplikasjoner (f4)
  • kan utforme utvalgte typer algoritmer og implementere disse (f5)

Generell kompetanse

Studenten

  • kan anvende kunnskap maskinlæringsalgoritmer slik at man får ny kunnskap som belyser virksomhetens økonomiske og ledelsesmessige utfordringer (g1)
  • kan formidle selvstendig kunnskap om bruk av maskinlæringsmetoder og kommunisere med eksperter om utforming av maskinlæringsalgoritmer og implemntering av maskinlæringsapplikasjoner (g2)

Innhold

  • Kunstige nevrale verktøy
  • Støttevektørmaskiner
  • Trebaserte metoder
  • K-means klusting
  • Prinsipalkomponentanalyse
  • Anomalitetsdeteksjon (identifikasjon av uteliggere)
  • Recommendersystemer
  • Modellutvalg og regularisering
  • Kryssvalidering for modelljustering og evaluering

Arbeids- og undervisningsformer

Forelesning. Workshops med praktiske øvelser. Oppgaveløsning, individuelt og i grupper. Presentasjoner.

Undervisningsaktivitetene på samling tar utgangspunkt i at studentene møter forberedt til undervisningen gjennom å ha lest pensum for den aktuelle samlingen, samt levert et skriftlig arbeid på forhånd (se obligatoriske arbeidskrav). Forventet samlet arbeidsinnsats i emnet er 187,5-225 timer (i henhold til ECTS-standard).

Obligatoriske krav som må være godkjent før eksamen kan avlegges

  • Kombinasjon av praktiske og teoretiske oppgaver. To oppgaver skal løses i gruppe på inntil tre personer to skal løses invidiuelt. Tre av fire arbeidskrav må være vurdert til godkjent. 
  • Obligatorisk frammøte på 50% av emnets underviste timer. 

Eksamen

  • 4 timers skriftlig, individuell skoleeksamen (teller 40% av karakteren) og
  • én ukes individuell hjemmeeksamen  (teller 60% av karakteren). Praktiske oppgaver og skriftlig rapport inngår som en del av oppgaven.

Prestasjonen vurderes med graderte bokstavkarakterer fra A-F, der E er laveste ståkarakter. 

Tillatte hjelpemidler til eksamen

  • Skoleeksamen: ingen hjelpemidler tillatt 
  • Hjemmeksamen: alle hjelpemidler tillatt