UNIK9590 – 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
Ph.d.-kandidater ved UiO søker plass på undervisningen og melder seg til eksamen i .
Hvis emnet har begrenset kapasitet, vil ph.d.-kandidater som har emnet i sin utdanningsplan ved UiO bli prioritert. Noen nasjonale forskerskoler kan ha egne regler for rangering av søkere til emner med begrenset kapasitet.
Ph.d.-kandidater som har opptak ved andre utdanningsinstitusjoner må innen angitt frist .
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 UNIK4590 – 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.
Ph.d.-studenter vil i forhold til masterstudenter på den klonede versjonen av emnet (UNIK4590 – Mønstergjenkjenning (videreført)) få en utvidelse av pensum (en ekstra artikkel eller et relevant kapittel i læreboka) til presentasjon for øvrige studenter. Presentasjonen og obligatorisk øvelser må være godkjent før avsluttende eksamen.
Karakterskala
Emnet bruker karakterskala bestått/ikke bestått. Les mer om karakterskalaen.
Begrunnelse og klage
Adgang til ny eller utsatt eksamen
Dette emnet tilbyr både utsatt og ny eksamen. Les mer:
Tilrettelagt eksamen
³§Ã¸°ìnadskjema, krav og frist for .