Målet med kurset er at give den studerende indsigt i og praktisk erfaring med metoder til analyse og behandle rumlige og tidslige data. Metoderne anvendes på datasæt inden for kortlægning, navigation og jordobservationer.
Dette kursus har et stærkt praktisk aspekt. De studerende præsenteres for de metoder, der danner grundlaget for deres egen implementering (i Matlab og R) og analyse af virkelige data. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• nævne og beskrive de mest almindelige covariansmodeller
• beskrive princippet i maximum likelihood estimation
• forklare konceptet i en state-space model
• anvende egnede interpolationsmetoder f.eks. kriging
• implementere forskellige algorithmer som f.eks et kalman filter og et Gaussian Markov random field
• sammenlige og evaluere modeller
• diskutere og forsvare valg af model
• designe en rumlig eller tidsmæssig model for at analysere virkelige data
• dokumentere og præsentere videnskabeligt arbejde

Rumlige og tidslige data er en integreret del af geovidenskab. Indholdet af dette kursus introducerer nogle generelle værktøjer til håndtering af sådanne data.
Nogle specifikke emner er:
• Maximum likelihood estimation
• Covariance-funktioner
• Gaussisk Markov random field
• State–space model
• Kalman-filter
• Kriging
• Modelevaluering 20. november, 2019