Multivariat dataanalyse - videregående emner

• Statistisk forsøksdesign
• Principal Component Analysis
• Multivariate regresjonsmetoder (MLR,PCR,PLSR)
• Strategier for validering av seleksjon av modeller (bias-variance trade-off)
• Features og variable seleksjon
• ANN/CNN
• Klassifikasjonsmetoder (maskinlæring)
• Tidsserieanalyse
• Prediksjonsmetoder for identifikasjon av dynamiske systemer
• Kalman filter
• Metamodellering & hybrid modeller
• Compressed sensing
• Independent Component Analysis
• PARAFAC, multiblokk (sensor fusion) og IDLE modellering

KUNNSKAPER: Studentene skal få oversikt over ulike metoder for å analysere data fra prosesser som er kontinuerlige og/eller tidsavhengig både for eksplorativ dataanalyse, kvantitativ prediksjon og klassifisering. Skal dessuten bli istand til å planlegge praktiske eksperimenter. Dette inkluderer sensor-fusion og hierarkiske modeller fra multiblock data. FERDIGHETER: Studenten skal kunne organisere data fra ulike typer måleinstrumenter og med ulike dimensjoner og vurdere optimal forbehandling av data. Videre skal studenten kunne foreslå de mest egnete metoder gitt den aktuelle problemstillingen. GENERELL KOMPETANSE: Kunne benytte ferdigheter og kunnskaper på nye problemstillinger Studenten skal kunne diskutere faglige problemstillinger med spesialister innen fagområdet men også foreslå metodiske tilnærminger i tverrfaglige prosjekter.

Forelesninger med praktiske eksempler. Gruppearbeid. Prosjektarbeid på utvalgte datasett.