I dag indsamles mere data end nogensinde, og det er over de seneste år blevet klart, at der ligger enorme mængder information gemt i denne data. Den er imidlertid ikke umiddelbart tilgængelig, så avancerede analysemetoder er nødvendige for at udtrække, kategorisere og agere på baggrund af den.
I dette studieforløb vil du blive indført i en række simple og avancerede statistiske metoder, både til at beskrive data og til at forudsige konkrete hændelser på baggrund af data. Som et af de konkrete anvendelsesområder i studieforløbet kan nævnes billedanalyse, der omhandler metoder og modeller til analyse af billeddata i to og tre dimensioner.
Studieforløbet giver mulighed for fordybelse i en lang række beslægtede områder. Fx:
- statistisk modellering af data
- sandsynlighedsregning
- numeriske algoritmer og optimering
- kunstig intelligens og machine learning
- billedanalyse (ekstraktionen of meningsfuld information fra digitale billeder vha. bl.a. statistik, optimering, computergrafik og datalogi)
Forslag til retningsspecifikke kurser:
- 02418 Statistisk modellering: teori og anvendelser
- 02610 Optimering og datafitting
- 42101 Introduktion til operationsanalyse
- 01418 Introduktion til partielle differentialligninger
- 02502 Billedanalyse
- 01020 Videregående lineær algebra
Forslag til valgfrie kurser:
- 02450 Introduktion til Machine Learning og Data Mining
- 02417 Tidsrækkeanalyse
- 02105 Algoritmer og datastrukturer 1
- 02441 Anvendt statistik og statistisk programmel
- 01325 Matematik 4 Reel analyse
- 02411 Statistisk forsøgsplanlægning
- 02471 Machine learning til signalbehandling
- 02456 Dyb læring
- 02170 Database Systemer
- 02507 Projekt i billedanalyse og computergrafik
- 02504 Computer vision
Herunder ses et eksempel på en studieplan der overordnet følger forløbet: