Prosjektmodul 1003: Statistisk læring og data science

Dette er eksterne sider til prosjektdelen av ISTA1003, ISTG1003 og ISTT1003.

Ansvarlig: Stefanie Muff (stefanie.muff@ntnu.no)

Hva finner du her:

• Hvem?
• Læringsmål
• Pensum
• Forelesninger og veiledning til prosjekt inkl Zoom lenke!
• Tellende aktivitet (Prosjektoppgave)

• Studieprogram som skal ta modulen:
  • BIDATA, BDIGSEC, BELDIG og BPROG i Trondheim, Gjøvik og Ålesund
• Fagteamet:
  • Faglig ansvarlig for innholdet i modulen er Stefanie Muff, stefanie.muff@ntnu.no.
  • Og i veilederteamet (for prosjektet) inngår i tillegg to sudentassistenter:
    • Morten Egeberg Christiansen mortenec@stud.ntnu.no
    • Oscar Kehinde Asplin Martins okmartin@stud.ntnu.no

Etter du har gjennomført denne modulen skal du kunne:

• forstå når du kan bruke regresjon, klassifikasjon og klyngeananlyse til å løse et ingeniørproblem
• kunne gjennomføre multippel lineær regresjon på et datasett
• bruke logistisk regresjon og nærmeste nabo for utføre en klassifikasjonsoppgave
• bruke hierarkisk og k-means klyngeanalyse på et datasett, forstå begrepet avstandsmål
• og kunne kommunisere resultatene fra regresjon/klassifikasjon/klyngeanalyse til medstudenter og ingeniører
• bli en kritisk leser av resultater fra statistikk/maskinlæring/statistisk læring/data science/kunstig intelligens når disse rapporteres i media, og forstå om resultatene er realistiske ut fra informasjonen som gis
• kunne besvare prosjektoppgaven på en god måte!

Pensum er definert som "svarene på det du blir spurt om på prosjektoppgaven" - og det kan du gjøre ved å bruke læringsressursene. Det blir ikke spørsmål fra prosjektmodulen på den skriftlige eksamenen, men det du lærer i modulen kan gjøre at du får en god forståelse av temaene i fellesmodulen - spesielt inferensdelen av emnet (estimering, hypotesetesting, enkel lineær regresjon). 

I tillegg til kompendiene og videoene som ligger her, er forelesningene en del av læringsressursene. Link til zoom, opptak og slides ligger i mappen "Forelesninger og veiledning til prosjektet".

Zoom-forelesninger

• Mandag 20.oktober kl 14:15-15:00
• Tirsdag 21.oktober, kl 14:15-15:00

Innhold

• Slides Regresjon
• Slides Regresjon med notater

Korte videoer

• Multippel lineær regresjon: Introduksjon
• Multippel lineær regresjon: Analyse av et datasett

Videoer er laget av Mette Langaas.

Zoom-forelesninger

• Tirsdag 21.oktober, kl 15:15-16:00
• Mandag 27.oktober, kl 14:15-15:00

Innhold

• Slides Klassifikasjon
• Slides Klassifikasjon med notater

Korte videoer:

• Klassifikasjon: Introduksjon og k-nærmeste-nabo
• Klassifikasjon: Logistisk regresjon

Videoer er laget av Mette Langaas.

Zoom-forelesninger

• Tirsdag 28.oktober, kl 10:15-12:00

Innhold

• Slides Klyngenalyse
• Slides Klyngeanalyse med notater

Korte videoer

• Klyngeanalyse
• Hierarkisk klyngeanalyse
• K-gjennomsnitt klyngeanalyse

Videoer er laget av Mette Langaas.

Alle forelesningene til modulet er over zoom, mens veiledning til prosjektet foregår fysisk på hver campus.

• Trondheim: Fredager 24.10, 31.10., 7.11, og 14.11., 10:15-12:00 (vanlig rom, Sentralbygg 2, S5).

For Ålesund og Gjøvik:

• Mandag, 3.11. og 10.11., 14:15-15:00
• Tirsdag, 4.11. og 11.11., 10.15-12.00

• Ålesund: Digital veiledning. I tillegg kan gruppene avtale et tidspunkt med Siebe - se blackboardsiden ISTA - campus Ålesund for mer informasjon.

• Gjøvik: Kun digital veiledning

Bruk lenken nede, tillat camera/microphone access, og så ma du "banke" på den virtuelle Whereby døren. Vi slipper deg inn så snart som vi er tilgjengelige, men vær oppmerksom på at dere står i kø og at det kan ta litt tid. Bare én person per prosjektgruppe skal stå i kø samtigid.

https://whereby.com/stefanies-whereby

En veldig bra alternative til digital/fysisk veiledning er Mattelab forumet. Vi svarer så fort som mulig:

• https://mattelab2025h.math.ntnu.no/c/istx1003-project-module/57
• Åpent 24/7, men stenger fredag, 14.11., 17:00. Det vil si at, etter dette tidspunktet, kan vi ikke garantere svar.

Tellende aktivitet er en prosjektoppgave som løses i grupper på 4-6 studenter, og har fokus på å utføre og fortolke statistisk analyse med hjelp av Python og Jupyter-notatbok. Prosjektet består av tre oppgaver (regresjon, klassifikasjon og klyngeanalyse).

Prosjektet - inkludert alt det praktiske - presenteres på første zoomforelesning mandag 20.oktober kl 14.15-15.00.

Prosjektet kan gi maksimalt 40 poeng, og karakteren settes med prosentvurderingsmetoden hvor poeng blir konvertert i en prosentandel (ikke-heltall prosent blir avrundet). Karakter på prosjektet oppgis som bokstavkarakter.

Endelig karakter i emnet består av en vekting av karakteren på prosjektet (30%) og karakteren på den skriftlige eksamenen (70%). Begge de to karakterene blir oppgitt på studweb, sammen med endelig karakter.