Logga in

Registrera

1MS041 · Uppsala universitet

Introduktion till dataanalys

Ny kurs

Kom igång gratis

Inga tentor än

Ladda upp dina tidigare tentor och få hjälp med att strukturera ditt studiematerial

Få dina tentauppgifter kategoriseradeBli guidad genom ditt studiematerialFå hjälp direkt med teori och tipsHåll koll på dina framsteg

Kurs info

KurssidaKursplan
HP
10
Språk
Engelska
Fakultet
Teknisk-naturvetenskapliga fakulteten
Institution
Matematiska institutionen

Lärandemål

Efter godkänd kurs ska studenten kunna

  • hitta offentligt tillgängliga datamängder och utvärdera deras användbarhet för givna ändamål,
  • behandla data och transformera den för analys,
  • använda vanliga metoder för klustring och dimensionsreduktion för att utforska datamängder och argumentera på matematiska grunder för metodernas relevans för datamängden och ändamålet i fråga,
  • välja bland vanligt förekommande probabilistiska modeller för analys av datamängder,
  • vid val av modell ta hänsyn till begränsningar i beräkningskapacitet och -komplexitet,
  • utvärdera pålitligheten av en lösning genom att tillämpa lämpliga teoretiska principer, inklusive begränsningar av ändliga utfall,
  • genomgående ta hänsyn till aspekter inom etik, juridik och integritet,
  • presentera slutsatserna av en analys/slutprodukten skriftligt på ett tillgängligt sätt.
Kursinnehåll
Grunderna i axiomatisk sannolikhetsteori inklusive måtteori och koncentrationsolikheter. Vanliga sannolikhets modeller och riskminimeringsproblem, såsom regression/klassifikation, hypotesprövning; typiska tillämpningar inom data science, såsom prediktion, rekommendation, A/B-test, samt vanliga algoritmer för deras lösningar; Modellering av beroende i underliggande sannolikhetsfördelningar som uppstår från temporal-, spatial- och nätverksstruktur inklusive Markovkedjor; elementär data-behandling (ELT/Extract-Load-Transform): transformation/rengöring av data för senare behandling genom att kombinera data från olika källor och genom att använda dimensionsreduktions- och klustringsmetoder, inklusive PCA och slumpprojektion; användning av visualisering för undersökande dataanalys (Exploratory Data Analysis) och för att kommunicera resultat; juridiska och etiska aspekter gällande inhämtning, behandlig och förvaring av data, fallstudier med hjälp av verklig data som involverar relevant databehandling, modellering och inferens.
Förutsättningar
  • 120 hp inklusive 80 hp datavetenskap och matematik, varav minst 15 hp datavetenskap inklusive programmering, och minst 30 hp matematik inklusive sannolikhet och statistik, linjär algebra och envariabelanalys. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
Litteratur

Saknas

Liknande kurser vid andra universitet
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Statistisk inlärning och dataanalys

SF19309 tentor
Lunds universitet

Lunds universitet

Flerdimensionell analys

FMAB3065 tentor
Stockholms universitet

Stockholms universitet

Statistisk analys

MT400163 tentor
Redo att boosta dina studier?

Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.

Kom igång gratis

Produkt

  • Priser

  • Karriär

Företag

  • Om oss

  • Guider

  • Användarvillkor

  • Integritet

  • Support

Universitet

  • KTH

  • Uppsala universitet

  • Linköpings universitet

  • Chalmers

  • Lunds universitet

  • Luleå tekniska universitet

  • Stockholms universitet

  • Gymnasiet

Socialt

  • Instagram

  • Facebook

  • YouTube

  • TikTok

  • Linkedin

© 2026 Crash Course Sverige AB