|
|
|||||||||||||||||
Opinto-opas 2014-2015
ASE-5010 Kehittyneet datan mallinnus- ja analysointimenetelmät, 5 op
|
Lisätiedot
Soveltuu jatko-opinnoiksi
Vastuuhenkilö
Hannu Koivisto
Opetus
| Opetusmuoto | P1 | P2 | P3 | P4 | Kesä | Toteutuskerrat | Luentoajat ja -paikat |
|
|
|
|
|
|
|
|
|
Suoritusvaatimukset
Tentti. Tietokoneharjoitukset ja laskuharjoitukset/kotitehtävät.
Osaamistavoitteet
Opintojakso antaa syvällisen käsityksen data-analyysimenetelmistä, niitten keskinäisistä suhteista ja mallinnusmenetelmän valinnasta. Osaa (arvosana 3/5): 1. Ratkaista annetusta datasta monimuuttujaisen normaalijakauman parametrit ja arvioida satunnaisvektorin dimensioreduktion mahdollisuuksia. 2. Muodostaa normaalijakautuneen satunnaisvektorin lineaarimuunnoksen jakaumia. 3. Vertailla mallirakenteiden sopivuutta datan sisältämän informaation kuvaamiseksi. 4. Muodostaa lineaarisia ja epälineaarisia malleja ja tarkastella niiden parametrien ja ennusteuiden epävarmuuksia bayesilaisittain. 5. Soveltaa sumeita malleja. Arvosana (1/5): neljä tavoitteista täyttyy.
Sisältö
| Sisältö | Ydinsisältö | Täydentävä tietämys | Erityistietämys |
| 1. | Informaatio: ennusteen epävarmuuden lähteet ja käsittely. | Maksimientropiaperiaate. | |
| 2. | Monimuuttujaisen normaalijakauman ominaisuudet. Bayesilainen lineaarinen (kantafunktio)regressio. | Luokittelu: K-means ja SOM. | |
| 3. | Mallin rakenteen valinta. | ||
| 4. | Bayesilainen MLP. | ||
| 5. | Sumeat mallit. |
Ohjeita opiskelijalle osaamisen tasojen saavuttamiseksi
Tentti. Tietokoneharjoitukset ja laskuharjoitukset/kotitehtävät.
Arvosteluasteikko:
Opintojaksolla käytetään numeerista arviointiasteikkoa (1-5)
Oppimateriaali
| Tyyppi | Nimi | Tekijä | ISBN | URL | Painos,saatavuus... | Tenttimateriaali | Kieli |
| Luentokalvot | Ei | Suomi | |||||
| Muu kirjallisuus | Ilmoitetaan kurssin alkaessa | Ei | Suomi |
Esitietovaatimukset
| Opintojakso | P/S | Selite |
| ASE-2110 Systeemit ja säätö | Suositeltava | |
| ASE-2150 Systeemimallit ja niiden identifiointi | Suositeltava | |
| ASE-2510 Johdatus systeemien analysointiin | Suositeltava |
Esitietoketju (Vaatii kirjautumisen POPiin)
Vastaavuudet
| Opintojakso | Vastaa opintojaksoa | Selite |
|
|
|
Tarkempia tietoja toteutuskerroittain
| Toteutus | Kuvaus | Opetusmuodot | Toteutustapa |
| Opintojakso antaa syvällisen käsityksen data-analyysimenetelmistä, niitten keskinäisistä suhteista ja mallinnusmenetelmän valinnasta. | Luennot Harjoitukset Harjoitustyöt |
Lähiopetus: 40 % Etäopetus: 0 % Itseopiskelu: 60 % |