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 og større databaser af f.eks. billeder.

• Relatere dele af kurset til eget projekt
• 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.
• Opsummere og anvende forskellige usuperviserede dekompositions metoder
• Anvende multiway (tensor) models

Methods: Krydsvalidering, elastic net, sparse principale komponenter, sparse partial least squares, sparse diskriminant analyse og Gaussian mixture analyse, logistisk regression, support vector machine, classification and regression trees, random forests, nonnegative matrix factorization, independent component analysis, sparse coding, archetypical analysis, mutliway models.