Dataanalys: statistisk inlärning och visualisering
Data Analysis: Statistical Learning and Visualization

FMSF86, 6.0 högskolepoäng, G2 (Grundnivå, fördjupad)

Gäller för: 2024/25
Fakultet: Lunds tekniska högskola
Beslutad av: Programledning I
Beslutsdatum: 2024-04-16
Ikraftträdande: 2024-05-08

Allmänna uppgifter

Huvudområde: Teknik Fördjupning: Grundnivå, kurs/er som inte kan klassificeras
Obligatorisk för: I2
Undervisningsspråk: Kursen ges på engelska

Syfte

Kursen inleds med en överblick av grundläggande datahantering och visualisering, med fokus på att kunna identifiera och illustrera olika egenskaper och särdrag hos data.

Därefter presenteras viktiga metoderna inom modern statistisk inlärning. Stor vikt läggs vid övervakad och oövervakad inlärning. Problem med att anpassa och utvärdera flera olika modeller och metodernas relation till linjär regression diskuteras. Datorbaserade laborationer och projekt utgör en viktig lärandeaktivitet.

Mål

Kunskap och förståelse
För godkänd kurs skall studenten

• Beskriva olika sätt att aggregera, sammanfatta och visualisera data.
• Förklara principerna för några olika typer övervakad och oövervakad inlärning.
• Förklara vikten av att utvärdera modeller baserat på deras prediktionsförmåga.

Färdighet och förmåga
För godkänd kurs skall studenten

• kunna hantera, presentera och visualisera data för att belysa viktiga egenskaper och kännetecken i ett komplext datamaterial.
• kunna använda vanliga metoder för övervakad inlärning och oövervakad inlärning
• kunna dra slutsatser om data baserat på resultaten från metoder för klassificering och regressionsproblem.
• kunna använda vanliga metoder för utvärdering av prediktionsförmåga på ny data.
• redovisa statistiska analyser och slutsatser i skrift

Värderingsförmåga och förhållningssätt
För godkänd kurs skall studenten

• Reflektera över den valda modellens och metodens begränsningar samt möjliga alternativa lösningsmetoder.
• Reflektera över eventuella problem med att anpassa flera olika modeller till samma datamaterial.

Kursinnehåll

• Grundläggande datahantering och vanliga visualiseringsmetoder för data.
• Metoder för oövervakad och övervakad inlärning så som: klustring; hierarkisk klustring; samt regressions- och beslutsträdsmetoder för klassificering och regressionsproblem.
• Metoder för modellval och modellvalidering så som: bootstrap, uppdelning av data i träning och test, samt korsvalidering

Kursens examination

Betygsskala: UG - (U, G) - (Underkänd, Godkänd)
Prestationsbedömning:

Godkänt på samtliga laborationsrapporter och närvaro på ett handledningstillfälle per laborationsrapport.

Om så krävs för att en student med varaktig funktionsnedsättning ska ges ett likvärdigt examinationsalternativ jämfört med en student utan funktionsnedsättning, så kan examinator efter samråd med universitetets avdelning för pedagogiskt stöd fatta beslut om alternativ examinationsform för berörd student.

Moduler
Kod: 0123. Benämning: Datorlaboration 1.
Antal högskolepoäng: 2.0. Betygsskala: UG - (U, G). Prestationsbedömning: Redovisning av laborationen Modulen omfattar: Datahantering and visualisering.
Kod: 0223. Benämning: Datorlaboration 2.
Antal högskolepoäng: 2.0. Betygsskala: UG - (U, G). Prestationsbedömning: Redovisning av laborationen Modulen omfattar: Kontinuerliga utfall (regression).
Kod: 0323. Benämning: Datorlaboration 3.
Antal högskolepoäng: 2.0. Betygsskala: UG - (U, G). Prestationsbedömning: Redovisning av laborationen Modulen omfattar: Klassificering.

Antagningsuppgifter

Förkunskapskrav:

• Minst 4.5 godkända högskolepoäng inom kurser i matematisk statistik (FMSF20, FMSF50, FMSF70, FMSF75, FMSF80 eller motsvarande) ELLER både en kurs i Flerdimensionell analys och en kurs i Linjär algebra.
• (FMAA20 Linjär algebra med introduktion till datorhjälpmedel eller FMAA21 Linjär algebra med numeriska tillämpningar eller FMAB20 Linjär algebra eller FMAB22 Lineär algebra) och (FMAB30 Flerdimensionell analys eller FMAB35 Flerdimensionell analys med vektoranalys)

Kurslitteratur

• Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani: An Introduction to Statistical Learning with Applications in R. Springer, 2021, ISBN: 978-1071614174. Antingen boken för Python eller R. Tillgänglig på https://www.statlearning.com.
• Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, Jonathan Taylor: An introduction to statistical learning with applications in Python. Springer, 2023, ISBN: 3031387465. Antingen boken för Python eller R. Tillgänglig på https://www.statlearning.com.
  https://www.statlearning.com
• Vanderplas, Jacob T: Python data science handbook : essential tools for working with data. O'Reilly, 2022, ISBN: 1098121228. Bredvidläsning.
• Hadley Wickham, Mine Cetinkaya-Rundel, Garrett Grolemund: R for Data Science, 2nd Edition. O'Reilly Media, 2023, ISBN: 1492097403. Bredvidläsning. Tillgänglig på https://r4ds.hadley.nz.
  https://r4ds.hadley.nz

Kontaktinfo

Kursansvarig: Linda Hartman, linda.hartman@matstat.lu.se
Studierektor: Johan Lindström, studierektor@matstat.lu.se
Kursadministratör: Susann Nordqvist, expedition@matstat.lu.se
Hemsida: https://www.maths.lu.se/utbildning/civilingenjoersutbildning/matematisk-statistik-paa-civilingenjoersprogram/

Övrig information