Data science, Statistik og Machine Learning

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: 

Data science, Statistik og Machine Learning

Polyteknisk grundlag
Retningsspecifikke kurser
Projekter
Valgfrie kurser
1.Semester
01001
Matematik 1a (Polyteknisk grundlag)
10 point
02002
Programmering (Polyteknisk grundlag)
5 point
01017
Diskret matematik
5 point
02525
Introduktion til Matematik og Teknologi
10 point
2.Semester
01002
Matematik 1b (polyteknisk grundlag)
10 point
10060
Fysik (Polyteknisk grundlag)
Delt
02403
Introduktion til matematisk statistik
5 point
01020
Videregående Lineær Algebra
5 point
02601
Introduktion til numeriske algoritmer
5 point
3.Semester
10060
Fysik (Polyteknisk grundlag)
10 point
01025
Matematik 2 for Matematik og Teknologi
5 point
02405
Sandsynlighedsregning
5 point
02635
Programmering af matematisk software
5 point
02441
Anvendt statistik og statistisk... Anvendt statistik og statistisk programmel
5 point
02450
Introduktion til machine learning og... Introduktion til machine learning og data mining
5 point
4.Semester
26021
Kemi (Polyteknisk grundlag)
5 point
02526
Matematisk modellering
5 point
02105
Algoritmer og datastrukturer 1
5 point
02465
Introduktion til reinforcement learning... Introduktion til reinforcement learning og kontrol
5 point
01666
Fagprojekt - Bachelor i Matematik og Teknologi
10 point
5.Semester
42620
Videnskab, Teknologi og Samfund... Videnskab, Teknologi og Samfund (polyteknisk grundlag)
5 point
02418
Statistisk modellering: teori og... Statistisk modellering: teori og anvendelser
5 point
01018
Diskret matematik 2: algebra
5 point
02502
Billedanalyse
5 point
02610
Optimering og datafitting
5 point
02157
Funktionsprogrammering
5 point
6.Semester
27020
Bioengineering (Polyteknisk grundlag)
5 point
01325
Matematik 4: Analyse - en toolbox i... Matematik 4: Analyse - en toolbox i fysik og ingeniørvidenskab
5 point
02417
Tidsrækkeanalyse
5 point
Bachelorprojekt
15 point