At bibringe studenten viden om avancerede computer intensive metoder til dataanalyse med applikationer indenfor fx life sciences. Dette inkluderer problemer med mange variable og relativt få observationer, hyper-spektrale billeder mv.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
Opsummere og anvende spektral unmixing med og uden library.
Anvende endmember finding for spektrale data.
Opsummere og anvende krydsvalidering og forklare koncepter som overfitting.
Opsummere og anvende sparse regressions- og klassifikationsmodeller. Bayesiansk inferens
Opsummere og anvende logistisk regression og support vector klassifikation for 2-klasse problemer
Anvende og fortolke Classification and Regression Trees (CART)
Anvende random forests for klassifikation og regression.
Anvende og fortolke sparse latente metoder som sparse principale komponenter og sparse partial least squares.
Anvende og fortolke multiway models
Kursusindhold:
Methods: Spektral unmixing, endmember finding, elastic net, sparse principale komponenter, sparse partial least squares, sparse diskriminant analyse og Gaussian mixtur analyse, logistisk regression, support vector machine, classification and regression trees, random forests.
Bemærkninger:
Elitestuderende under MMC-masteren, samt PhD-studerende har mulighed for yderligere specialisering ved sideløbende at tage kursus 02583.
