Master's Programme in Statistics and Machine Learning, 120 hp

Master's Programme in Statistics and Machine Learning, 120 credits

F7MSL

Undervisningsspråk

Engelska

Studieort

Linköping

Examensbenämning

Filosofie masterexamen med huvudområde statistik

Studietakt

Helfart

Inledning

Som en följd av en snabb IT utveckling har samhället blivit översvämmad av enorma volymer av information som genereras av stora eller komplexa system. Informationen kan largas i stora databaser, inkomma som en ström eller vara resultat av interaktion mellan systemet och lärande miljön. Detta program på avancerad nivå syftar på inlärning av dessa komplexa informationsvolymer till modeller och algoritmer som  förbättrar analyser, prognoser och beslutsfattandet. Statistisk modellering och analys är integrerade med maskininlärning, data mining och datahantering för att forma en grundlig bas för ett professionellt arbete med  informationsmodellering och dataanalys i stora eller komplexa system. Programmet skapar också utmärkta förutsättningar för att göra en forskningskarriär. Programmet leder till en masterexamen i Statistik.

Mål

Nationella examensmål enligt Högskoleförordningen

Kunskap och förståelse

För masterexamen skall studenten

  • visa kunskap och förståelse inom huvudområdet statistik, inbegripet såväl brett kunnande inom området som väsentligt fördjupade kunskaper inom dess bransch, maskininlärning, samt fördjupad insikt i aktuellt forsknings- och utvecklingsarbete, och
  • visa fördjupad metodkunskap inom huvudområdet statistik.

Fördjupade kunskaper inom maskininlärning skall inkludera moderna kraftiga metoder för klassificering och regression, prediktion, metoder för statistisk simulering och optimering, Bayesianska metoder och analys av stora databaser.

Färdighet och förmåga

För masterexamen skall studenten

  • visa förmåga att kritiskt och systematiskt integrera kunskap och att analysera, bedöma och hantera komplexa företeelser, frågeställningar och situationer även med begränsad information,
  • visa förmåga att kritiskt, självständigt och kreativt identifiera och formulera frågeställningar, att planera och med adekvata metoder genomföra kvalificerade uppgifter inom givna tidsramar och därigenom bidra till kunskapsutvecklingen samt att utvärdera detta arbete,
  • visa förmåga att i såväl nationella som internationella sammanhang muntligt och skriftligt klart redogöra för och diskutera sina slutsatser och den kunskap och de argument som ligger till grund för dessa i dialog med olika grupper, och
  • visa sådan färdighet som fordras för att delta i forsknings- och utvecklingsarbete eller för att självständigt arbeta i annan kvalificerad verksamhet.

Värderingsförmåga och förhållningssätt

För masterexamen skall studenten

  • visa förmåga att inom huvudområdet statistik göra bedömningar med hänsyn till relevanta vetenskapliga, samhälleliga och etiska aspekter samt visa medvetenhet om etiska aspekter på forsknings- och utvecklingsarbete,
  • visa insikt om vetenskapens möjligheter och begränsningar, och speciellt möjligheter och begränsningar av statistik, dess roll i samhället och människors ansvar för hur den används, och
  • visa förmåga att identifiera sitt behov av ytterligare kunskap och att ta ansvar för sin kunskapsutveckling.

Lokala mål

För masterexamen skall studenten kunna

  • modellera informationsvolymer som generas av stora eller komplexa system
  • välja en lämplig analysmodell i ett givet sammanhang
  • utvinna och strukturera stora och komplexa datamängder
  • utforska, sammanfatta och presentera stora och komplexa datamaterial med hjälp av statiska, interaktiva och dynamiska visualiseringsredskap
  • använda avancerade mjukvaror för att analysera stora eller komplexa datavolymer
  • implementera modeller för dataanalys, prediktion och beslutsfattande i något programmeringsspråk
  • kombinera datamaterialet och andra källor av prioriinformation för att förbättra inferensen och prediktionsförmågan
  • ge exempel på tillämpningsområden där det behövs analys och modellering av informationsvolymer som kommer från stora eller komplexa system
  • upptäcka och statistiskt granska tidigare okända mallarna och trenderna i en datamängdpresentera en uppsats som innehåller en teoretisk eller en tillämpad studie av stora eller komplexa system eller datamängder med hjälp av metoder från statistik och maskininlärning.

Innehåll

Programmet är upplagt som en dataanalytisk utbildning relevant för olika tillämpningsområden. Den dataanalytiska profilen skapas genom synergi av kurser i statistik, maskininlärning och datavetenskap. Programmet består av inledande, obligatoriska, kompletterande och profilierande kurser samt en masteruppsats.

Inledande kurser erbjuds för att förbereda studenterna för programmets övriga kurser. Obligatoriska kurser innehåller teoretiska och praktiska redskap som är nödvändiga för att lösa olika analytiska problem. Profilkurserna är kurser i statistik som innehåller modeller och metoder och som ger en djupare probabilistisk förståelse av maskininlärning och dataanalys. Kompletterande kurser har en diverse karaktär som har anknytning till statistik eller maskininlärning och som riktar sig till ett specifikt tillämpningsområde eller en avancerad metoddomän. Under termin 3 ges också möjlighet till en utbyterstermin.

Masteruppsatsen på 30 hp möjliggör för de studerande att  tillämpa sina teoretiska och praktiska kunskaper för att lösa ett aktuellt praktiskt dataanalytiskt problem eller fördjupa sig i ett forskningsrelaterat projekt.

Se rubrik Programplan för förteckning över aktuella kurser. I kursplaner beskrivs mer utförligt innehåll, undervisnings- och arbetsformer samt examination.

Undervisnings- och arbetsformer

Programmets kurser består av föreläsningar, datorlaborationer och seminarier. Föreläsningarna ägnas åt teorier, begrepp och metoder. Datorlaborationer ger praktisk erfarenhet av dataanalys och andra metoder. Seminarier ägnas åt studentpresentationer och diskussioner av uppgifter. Kurserna vars namn innehåller ”projekt” har endast handledning.

I kursplanerna beskrivs mer utförligt innehåll, undervisnings- och arbetsformer samt examination.

Förkunskapskrav

  • Kandidatexamen 180 hp inom något av dessa ämnen: statistik, matematik, tillämpad matematik, datavetenskap, teknik eller motsvarande examen
  • Godkända kurser i följande ämnen
    - matematisk analys
    - linjär algebra
    - statistik
    - programmering
  • Engelska 6
    Undantag ges för svenska

    Tillträdeskrav till högre termin eller kurser

    För att få tillträde till termin 2 ska studenten ha uppnått minst 6 hp godkända kurser som ingår i termin 1.

    För att få tillträde till termin 3 ska studenten ha uppnått minst 30 hp på de kurser som ingår i termin 1 och 2, samt att kursen i Maskininlärning, 9 hp, ska vara godkänd.

    För att få tillträde till termin 4 ska studenten ha uppnått minst 60 hp på de kurser som ingår i termin 1, 2 och 3, samt att kursen i Maskininlärning, 9 hp, ska vara godkänd.

    Examenskrav

    En student inom programmet kan erhålla ett examensbevis med beteckningen Filosofie masterexamen med huvudområde Statistik givet att studenten har avslutat kurser motsvarande 90 högskolepoäng som inkluderar obligatoriska kurser motsvarande 42 högskolepoäng, inledande kurser motsvarande minst 6 högskolepoäng, profilkurser motsvarande minst 12 högskolepoäng och eventuellt några kompletterande kurser. Studenten skall ytterligare ha avslutat den obligatoriska masteruppsatskursen som omfattar 30 högskolepoäng. Därutöver ska studenten uppfyll de allmänna och särskilda behörighetskraven, inklusive bevis på innehav av en kandidatexamen eller motsvarande examen.

    Slutförda kurser kommer att anges i examensbeviset.

    Examensbevis utfärdas av Filosofiska fakultetens fakultetsstyrelse på begäran av studenten.

    Diploma Supplement bifogas till examensbeviset.

    Examensbenämning på svenska

    Filosofie masterexamen med huvudområde statistik

    Examensbenämning på engelska

    Degree of Master of Science with a major in Statistics

    Särskild information

    Tillgodoräknande

    Beslut om tillgodoräknande fattas av fakultetsstyrelsen, eller av styrelsen utsedd funktion, efter ansökan av den studerande.

    Undervisningsspråk

    Undervisningsspråk är engelska.

    Termin 1 HT 2020

    Termin 2 VT 2021

    Termin 3 HT 2021

    Termin 4 VT 2022