Tillämpad linjär algebra för dataanalys
Kurs, Avancerad nivå, 1TD060
Våren 2024 Våren 2024, Uppsala, 50 %, Campus, Engelska
- Studieort
- Uppsala
- Studietakt
- 50 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 18 mars 2024–2 juni 2024
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp. Programmeringsteknik II eller Programmering, bryggningskurs. Linjär algebra II. En av Introduktion till Beräkningsvetenskap, Beräkningsvetenskap II, Beräkningsvetenskap bryggningskurs eller Statistisk maskininlärning. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
- Urval
-
Högskolepoäng inom teknik/naturvetenskap (max 240 hp)
- Avgifter
-
Du som inte är medborgare i ett EU-/EES-land eller Schweiz måste betala anmälnings- och studieavgift.
- Anmälningsavgift: 900 kr
- Studieavgift, första inbetalningen: 18 125 kr
- Studieavgift, totalt: 18 125 kr
- Sista anmälningsdag
- 16 oktober 2023
- Anmälningskod
- UU-62030
För dig som är antagen eller reserv
- Registreringsperiod
- 4 mars 2024–25 mars 2024
- Information om registrering.
Våren 2024 Våren 2024, Uppsala, 50 %, Campus, Engelska För utbytesstudenter
- Studieort
- Uppsala
- Studietakt
- 50 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 18 mars 2024–2 juni 2024
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp. Programmeringsteknik II eller Programmering, bryggningskurs. Linjär algebra II. En av Introduktion till Beräkningsvetenskap, Beräkningsvetenskap II, Beräkningsvetenskap bryggningskurs eller Statistisk maskininlärning. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
För dig som är antagen eller reserv
- Registreringsperiod
- 4 mars 2024–25 mars 2024
- Information om registrering.
Om kursen
Inom områdena data science och maskininlärning baseras många av tillämpningarna på linjär algebra. Data representeras vanligen i matrisform och analyseras genom matris-och vektoroperationer. Om man vill förstå relationer mellan olika egenskaper hos data "översätts" detta till att förstå hur kolumnerna beror av varandra, och det kan analyseras med algoritmen QR-faktorisering.
Att reducera dimensionen hos stora datamängder (transformera ett stort antal variabler till en mindre mängd variabler men ändå behålla huvuddelen av informationen) kallas inom data science principalkomponentanalys (PCA), men är egentligen samma sak som singulärvärdesuppdelning. I grunden är det alltså metoder inom linjär algebra. Rankningsalgoritmer, som den pagerank-algoritm som lade grunden för Google, är egentligen en form av en algoritm inom linjär algebra för att hitta egenvärden. Linjär algebra är alltså en förutsättning för att förstå data science och maskininlärningen på djupet.
I den här kursen kommer vi fokusera på, inte linjär algebra, utan numerisk linjära algebra. Det betyder att vi studerar de beräkningsalgoritmer som används när man praktiskt arbetar i data science. Vi tittar också på metoder för effektiv lagring av data, och hur beräkningar sker på ett effektivt sätt, och analyserar varför det fungerar.