Statistisch Redeneren

Statistical Reasoning

6 EC

Semester 2, periode 4

5062STRE6Y

Eigenaar Bachelor Informatica
Coördinator drs. T.R. Walstra
Onderdeel van Bachelor Informatica, jaar 2

Studiewijzer 2020/2021

Globale inhoud

Basisbegrip van kansrekening en statistiek: kansen, conditionele kansen, discrete en continue stochasten. Kansdichtheden. Gezamelijke kans (dichtheid) functie. Onfhankelijke stochasten. Schatters voor verdelings parameters. Implementatie van een naive Bayesian classifier.

Gebruik van lineaïre algebra om multivariate datasets te modelleren. Kennismaking met de basis van statistisch leren: dimensionaliteits reductie, classificatie (leren van de distributie en/of leren van de scheidingsfunctie), clustering en regressie.

Studiemateriaal

Overig

Leerdoelen

  • De student kan basis begrippen uit kansrekening en statistiek uitleggen met als doel om statistisch redeneren (o.a. leren) te kunnen toepassen.
  • De student kan belangrijke onderwerpen uit (statistisch) leren uitleggen: regressie (lineaire regressie), classificatie (minimum error classifier, naive Bayesian classifier, linear discriminant classifiers, logistic regression, neural networks en support vector machines). Clustering (k-means) en dimensionality reduction (PCA).
  • De student kan een wiskundige formulering (met name lineaire algebra) van een probleem en oplossing kunnen omzetten in werkende programmatuur. Daarbij gebruikmakend van de Python programmeertaal en de Numpy/Scipy modules voor efficient numeriek programmeren.

Onderwijsvormen

    2x2 uur hoorcollege per week, 2x2 uur practicum (laptop) per week, 1x2 uur werkcollege per week

    Verdeling leeractiviteiten

    Activiteit

    Aantal uur

    Laptopcollege

    28

    Tentamen

    3

    Werkcollege

    42

    Zelfstudie

    95

    Academische vaardigheden

    Bij de opdrachten van het werkcollege zal kennis van LaTeX toegepast moeten worden in de online tool (Ans) wanneer gevraagd wordt naar wiskundige expressies.

    Aanwezigheid

    Aanwezigheidseisen opleiding (OER-B):

    • Voor practica en werkgroepbijeenkomsten met opdrachten geldt in principe een aanwezigheidsplicht. Wanneer studenten niet voldoen aan deze aanwezigheidsplicht kan dit als gevolg hebben dat het onderdeel niet met een voldoende kan worden afgerond.

    Toetsing

    Onderdeel en weging Details Opmerkingen

    Eindcijfer

    60%

    Tentamen

    30%

    Lab Assignments

    1 (11%)

    Lab: Numpy

    1 (11%)

    Lab: Random Programming

    1 (11%)

    Naive Bayes Classifier

    1 (11%)

    PCA

    1 (11%)

    Linear Regression

    1 (11%)

    Logistic Regression

    1 (11%)

    Neural Network

    1 (11%)

    K-nearest neighbor

    1 (11%)

    k-means clustering

    10%

    ANS Homework

    		Meer ANS opdrachten kunnen deel uitmaken van het cijfer.

    1 (50%)

    Homework: Probability

    1 (50%)

    Homework: Random Variables

    Fraude en plagiaat

    Over het algemeen geldt dat elke uitwerking die je inlevert ter verkrijging van een beoordeling voor een vak je eigen werk moet zijn, tenzij samenwerken expliciet door de docent is toegestaan. Het inzien of kopiëren van andermans werk (zelfs als je dat hebt gevonden bij de printer, in een openstaande directory of op een onbeheerde computer) of materiaal overnemen uit een boek, tijdschrift, website, code repository of een andere bron - ook al is het gedeeltelijk - en inleveren alsof het je eigen werk is, is plagiaat.

    We juichen toe dat je het cursusmateriaal en de opdrachten met medestudenten bespreekt om het beter te begrijpen. Je mag bronnen op het web raadplegen om meer te weten te komen over het onderwerp en om technische problemen op te lossen, maar niet voor regelrechte antwoorden op opgaven. Als in een uitwerking gebruik is gemaakt van externe bronnen zonder dat een bronvermelding is vermeld (bijvoorbeeld in de rapportage of in commentaar in de code), dan kan dat worden beschouwd als plagiaat.

    Deze regels zijn er om alle studenten een eerlijke en optimale leeromgeving aan te kunnen bieden. De verleiding kan groot zijn om te plagiëren als de deadline voor een opdracht nadert, maar doe het niet. Elke vorm van plagiaat wordt bestraft. Als een student ernstige fraude heeft gepleegd, kan dat leiden tot het uitschrijven uit de Universiteit. Zie voor meer informatie over het fraude- en plagiaatreglement van de Universiteit van Amsterdam: www.student.uva.nl

    Weekplanning

    Weeknummer Onderwerpen Studiestof
    1
    2
    3
    4
    5
    6
    7
    8

    Rooster

    Het rooster van dit vak is in te zien op DataNose.

    Aanvullende informatie

    Aanbevolen voorkennis: Lineaïre algebra, continue wiskunde, programmeren

    Verwerking vakevaluaties

    Hieronder vind je de aanpassingen in de opzet van het vak naar aanleiding van de vakevaluaties.

    Contactinformatie

    Coördinator

    • drs. T.R. Walstra