Masteruppsats i statistik, 30 hp
Master Thesis in Statistics, 30 credits
732A64
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåKurstyp
Fristående- och programkursExaminator
Oleg SysoevKursansvarig
Oleg SysoevStudierektor eller motsvarande
Ann-Charlotte HallbergKursen ges för | Termin | Veckor | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|
F7MSG | Statistics and Data Mining, Master´s Programme | 4 (VT 2019) | 201904-201924 | Engelska | Linköping, Valla | O |
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1XKursen ges för
- Master´s Programme in Statistics and Data Mining
Förkunskapskrav
Studenter som antas till kursen ska ha avslutat 65 hp av programmets kurser inklusive alla obligatoriska kurser på programmet.
Lärandemål
Efter avslutad kurs ska den studerande på en avancerad nivå kunna:
- inhämta och använda relevant kunskap för att lösa examensarbetets problemställningar,
- sätta in examensarbetet i ett relevant vetenskapligt sammanhang,
- självständigt och kreativt identifiera, formulera och lösa statistiska problem med hjälp av relevanta metoder för analys och utvärdering
- studera matematiska modeller som ligger bakom de valda analysmetoderna och anpassa dessa metoder till den angivna problemställningen om det behövs,
- implementera statistiska maskininlärningsmetoder i ett programmeringsspråk på ett effektivt sätt och tillämpa den implementerade tekniska lösningen på examensarbetets problemställningar,
- planera och med adekvata metoder genomföra examensarbetet inom givna tidsramar,
- kritiskt och systematiskt använda kunskap förvärvade i kurser inom programmet samt under examensarbetets gång,
- identifiera relevanta informationskällor, utföra informationssökningar, värdera kritiskt informationens relevans samt använda sig av korrekt referenshantering,
- muntligt och skriftligt kommunicera examensarbetet, dess problemställningar, lösningar och annan relevant information.
- bedöma kritiskt eget och andras examensarbeten med hänsyn till relevanta vetenskapliga, samhälleliga och etiska aspekter.
Kursinnehåll
Samhället är översvämmad av stora mängder av information som genereras av stora och komplexa tekniska system. Analytiska metoder från maskininlärning, data mining, statistik och relaterade områden är kända redskap som har förmåga att bearbeta dessa informationsvolymer och förbättra analys, prediktionskvalité, effektivitet och autonomi av stora och komplexa tekniska system.
I denna kurs förväntas studerande att tillämpa dessa analytiska redskap för att lösa ett industriellt problem eller en uppgift tilldelad av en forskargrupp på LiU. Detta innebär:
- Undersökning av problemställningen och dess framläggning som ett antal forskningsproblem,
- Undersökning av relevanta vetenskapliga artiklar,
- Valet av lämpliga modeller från maskininlärning, data mining, statistik och relaterade områden.
- Studierna av de bakomliggande matematiska modeller, modifiering/anpassning av dessa modeller till den angivna problemställningen
- Implementering av modellerna i ett programmeringsspråk, kodverifiering och simuleringar,
- Analys av simuleringsresultat, justering av modeller och koder,
- Tolkning av de erhållna utfallen, jämförelse av de utvalda modellerna och deras utfall med resultat som är publicerade i den vetenskapliga litteraturen.
- Sammanfattning av studierna och resultaten i form av en masteruppsats,
- Muntlig framläggning av masteruppsatsen.
Undervisnings- och arbetsformer
Kursen baserar sig på ett individuellt arbete med tillgång till handledning. Frekventa kontakter med externa organisationer eller forskargrupper genomförs för att få ytterligare återkoppling. Undervisningsspråk: Engelska
Examination
Muntlig och skriftlig presentation av masteruppsatsen. Muntliga presentationer genomförs också under kursens gång.
Första muntliga presentationen fokuserar sig på problemformuleringen, arbetsplan och vetenskapliga modeller. Ett mittermpresentation visar progression. Den sista presentationen är ett offentligt försvar av uppsatsen och en opponering på en annan masteruppsats. Detaljerad information återfinns i studiehandledningen.
Studerande, vars examination underkänts två gånger på kursen eller del av kursen, har rätt att begära en annan examinator vid förnyat examinationstillfälle.
Den som godkänts i prov får ej delta i förnyat prov för högre betyg.
Betygsskala
ECTS, ECÖvrig information
Planering och genomförande av kurs ska utgå från kursplanens formuleringar. Den kursvärdering som ska ingå i varje kurs ska därför behandla frågan om hur kursen överensstämmer med kursplanen.
Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.
Institution
Institutionen för datavetenskapDet finns inga examinationsmoment att visa.
Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida.
Det finns inga filer att visa.