Kursen ger en introduktion till data science med särskild tonvikt på prediktiv modellering. Syftet med prediktiv modellering är att göra prediktioner baserat på historiska data. Förutom de parametriska prediktiva modellerna linjär regression och logistisk regression, som behandlats i kursen Statistik A, introduceras även icke-parametriska modeller såsom K-närmaste grannar-modeller.
Oavsett val av prediktiv modell är det viktigt att kunna utvärdera hur bra prediktionerna är och under kursen behandlas olika sätt att göra det.
Prediktiv modellering används i allt större utsträckning i alla delar av samhället och som beslutsunderlag. Därför är det viktigt att vara medveten om att även beslut baserade på algoritmer kan vara biased och felaktiga. Det finns alltså många etiska överväganden inom data science och prediktiv modellering som vi måste reflektera över. Under kursen problematiseras detta.
Univ: 7.5 hp statistik med inslag av linjär regression och logistisk regression, eller motsvarande
Urval
Högskolepoäng avklarade per sista anmälningsdag (för utbildning på grundnivå 1-165 hp, för avancerad nivå 30-285 hp)
Sökande inom vissa program vid Umeå universitet har platsgaranti till denna kurs. Antalet platser för fristående kurs kan därför bli begränsat.
Studieavgift
Gäller endast medborgare utanför EU, ESS och Schweiz.
Anmälningsavgift: 900 kr.
Studieavgift, första inbetalningen: 5 480 kr.
Total studieavgift: 5 480 kr.
Anmälnings- och studieavgifter
Anmälningskod
UMU-27922
Anmälan
Sista anmälningsdag var den
15 oktober 2024.
Du kan göra en sen anmälan
via Antagning.se.
