TEK9020 – M?nstergjenkjenning
Beskrivelse av emnet
Kort om emnet
Emnet gir en grunnleggende innf?ring i m?nstergjenkjenning, med vekt p? klassifiseringsteori og maskinl?ring.
Temaer som gjennomg?s er Bayesisk beslutningsteori, klassifikatorer og klassifiseringssystemer, ledet l?ring, parametriske og ikke-parametriske metoder, line?re og generaliserte diskriminantfunksjoner, egenskapsutvelging og feilrateestimering, dimensjonalitetsproblemer, ikke-ledet l?ring og klyngeanalyse.
M?nstergjenkjenning brukes ofte i sammenheng med bilde- og signalanalyse, og vil derfor v?re nyttig for mange studenter innenfor disse fagene.
Hva l?rer du?
Etter fullf?rt emne vil du
- ha oppn?dd god kjennskap til teorien for klassifisering og m?nstergjenkjenning
- kunne velge egnet metodikk for ? konstruere en klassifikator for en gitt problemstilling
- kjenne prinsippene for konstruksjon og utvelging av egnede egenskaper for problemstillingen
- kunne evaluere en ferdig trent klassifikator
- ha grunnleggende kjennskap til ikke-ledet l?ring og klyngeanalyse
- ha innsikt i forskjellene mellom "tradisjonell maskinl?ring", som er tema i dette emnet, og temaet "dyp l?ring"
Opptak til emnet
Ph.d.-kandidater ved UiO s?ker plass p? undervisningen og melder seg til eksamen i?Studentweb.
Hvis emnet har begrenset kapasitet, vil ph.d.-kandidater som har emnet i sin utdanningsplan ved UiO bli prioritert. Noen nasjonale forskerskoler kan ha egne regler for rangering av s?kere til emner med begrenset kapasitet.
Ph.d.-kandidater som har opptak ved andre utdanningsinstitusjoner m? innen angitt frist?s?ke om hospitantplass.
Anbefalte forkunnskaper
Emnet bygger p? kunnskaper tilsvarende de gitt av MAT1120 – Line?r algebra, MAT1110 – Kalkulus og line?r algebra,?og STK1000 – Innf?ring i anvendt statistikk.
Overlappende emner
- 10 studiepoeng overlapp med TEK5020 – M?nstergjenkjenning.
- 10 studiepoeng overlapp med UNIK4590 – M?nstergjenkjenning (videref?rt).
- 10 studiepoeng overlapp med UNIK9590 – M?nstergjenkjenning (videref?rt).
- 8 studiepoeng overlapp med UNIKI385.
- 5 studiepoeng overlapp med STK4030 – Statistisk l?ring: Videreg?ende regresjon og klassifikasjon (nedlagt).
Undervisning
Emnet har 3 timer forelesning og ?ving per?uke gjennom hele semesteret.
Det er 2 obligatoriske prosjektoppgaver og en presentasjon som m? godkjennes for ? kunne ta avsluttende eksamen.
Eksamen
- Avsluttende muntlig eksamen i slutten av semesteret teller %100 ved sensurering. Ved stort antall kandidater kan det bli holdt skriftlig eksamen.
Ph.d.-kandidater vil i forhold til masterstudenter p? den klonede versjonen av emnet, TEK5020 – M?nstergjenkjenning,?f? en utvidelse av pensum. Ph.d-kandidater f?r en ekstra artikkel eller et relevant kapittel i l?reboka til ? presentere for ?vrige studenter.
B?de presentasjonen og obligatoriske oppgaver?m? v?re godkjent for ? kunne ta avsluttende eksamen.
Ved oppgaveskriving m? du gj?re deg?kjent med?reglene for kildebruk og referanser. Ved brudd p? reglene kan du bli mistenkt for fors?k p? fusk.
Som eksamensfors?k i dette emnet teller ogs? fors?k i f?lgende tilsvarende emner:
- TEK5020 – M?nstergjenkjenning
- UNIK4590 – M?nstergjenkjenning (videref?rt)
- UNIK9590 – M?nstergjenkjenning (videref?rt)
Hjelpemidler til eksamen
Eksamensspr?k
Eksamensoppgaven gis p? norsk. Du kan besvare eksamenen p? norsk, svensk, dansk eller engelsk.
Karakterskala
Emnet bruker karakterskala best?tt/ikke best?tt. Les mer om karakterskalaen.
Adgang til ny eller utsatt eksamen
Studenter som dokumenterer gyldig frav?r fra ordin?r eksamen, kan ta?utsatt eksamen i starten av neste semester.
Det tilbys ikke ny eksamen til studenter som har trukket seg under ordin?r eksamen, eller som ikke har best?tt.
Mer om eksamen ved UiO
- Kildebruk og referanser
- Tilrettelegging p? eksamen
- Trekk fra eksamen
- Syk p? eksamen / utsatt eksamen
- Begrunnelse og klage
- Ta eksamen p? nytt
- Fusk/fors?k p? fusk
Andre veiledninger og ressurser finner du p? fellessiden om eksamen ved UiO.