Computerintensiv dataanalyse

• Evaluere cluster metoder og vælge passende parametre og metoder for givne data
• Evaluere lineær diskriminant analyse og ridge regression
• Evaluere og anvende krydsvalidering, bootstrapping og koncepter som overfitting.
• Evaluere sparse regressions- og klassifikationsmodeller.
• Evaluere logistisk regression og support vector klassifikation for 2-klasse problemer
• Evaluere og fortolke Classification and Regression Trees (CART)
• Evaluere bagging, boosting og random forests for klassifikation og regression.
• Evaluere og fortolke sparse latente metoder som sparse principale komponenter og sparse partial least squares.
• Evaluere forskellige usuperviserede dekompositions metoder
• Sammenligne gennemgåede metoder teoretisk

Methods: Clustering, ridge regression, elastic net, sparse principale komponenter, sparse diskriminant analyse og Gaussian mixture analyse, logistisk regression, support vector machine, classification and regression trees, bagging, boosting, random forests, nonnegative matrix factorization, independent component analysis, sparse coding, archetypical analysis, multiway methods, functional data analysis.
Case studies: Varies each year.

02409/02450/27411, Det er tilstrækkeligt med et af ovenstående kurser. Alternativt et lignende kursus i videregående statistik eller dataanalyse. Kendskab til Matlab, R eller Python er en fordel.

Tretten uger med forelæsninger og databarøvelser. Aktiviteterne veksler mellem øvelser og forelæsninger. Desuden udføres to cases.

Minimum 8, Maksimum: 300.

Vær opmærksom på, at dette enkeltfagskursus har et minimumskrav til antal deltagere. Derudover er der begrænsning på antallet af studiepladser. Er der for få tilmeldinger oprettes kurset ikke. Er der for mange tilmeldinger, vil der blive trukket lod om pladserne. Du får besked om, om du har fået tildelt en studieplads senest 8 dage før kursusstart.