UNIK4590 – Mønstergjenkjenning
Beskrivelse av emnet
Kort om emnet
Bayes beslutningsteori, ledet læring, parametriske og ikke-parametriske metoder, lineære diskriminantfunksjoner, egenskapsuttrekking, ikkeledet læring, klyngeanalyse, syntaktiske metoder.
Hva lærer du?
Emnet gir en grunnleggende innføring i teorien for klassifisering og mønstergjenkjenning. Studentene skal etter emnet ha et godt grunnlag for å velge metodikk og konstruere og evaluere klassifikatorer for gitte problemstillinger.
Opptak og adgangsregulering
Studenter må hvert semester i Studentweb.
Dersom du ikke allerede har studieplass ved UiO, kan du søke opptak til våre , eller søke om å bli .
Forkunnskaper
Anbefalte forkunnskaper
Emnet bygger på kunnskaper tilsvarende de gitt av MAT1120 – Lineær algebra (MAT120A/B), MAT1110 – Kalkulus og lineær algebra (MAT110A/B) og STK1000 – Innføring i anvendt statistikk (tidligere ST005).
Overlappende emner
Emnet overlapper 10 stp mot UNIK9590 – Mønstergjenkjenning (videreført).
Emnet overlapper 5 studiepoeng mot STK4030 – Statistisk læring: Videregående regresjon og klassifikasjon (nedlagt), og 8 studiepoeng mot tidligere versjon av emnet UNIKI385.
Undervisning
3 timer forelesning og øving pr. uke. Emnet har obligatoriske øvelser som må godkjennes for å kunne stille til eksamen.
Eksamen
Avsluttende muntlig eksamen. Ved stort antall kandidater kan det bli holdt skriftlig eksamen.
Obligatoriske oppgaver må være godkjent før eksamen.
Karakterskala
Emnet bruker karakterskala fra A til F, der A er beste karakter og F er stryk. Les mer om karakterskalaen.
Begrunnelse og klage
Adgang til ny eller utsatt eksamen
Studenter som dokumenterer gyldig fravær fra ordinær eksamen, kan ta .
Det tilbys ikke ny eksamen til studenter som har trukket seg under ordinær eksamen, eller som ikke har bestått.
Tilrettelagt eksamen
³§Ã¸°ìnadskjema, krav og frist for .