Subject

Statistical Learning

Course Title

Statistical Learning
Statistical learning

Code

m23_s_008

Study Programme

—

Organizer of the study programme (unit, institute, department or division)

Faculty of Computer Science and Engineering

Degree level (first, second, third cycle)

Second cycle

Academic year / semester

10 / Summer

Number of ECTS credits

Teacher

Biljana Toytovska Ribarski, Maria Mihova

Prerequisites for enrolling in the course

—

10.

Objectives of the course programme (competences)

Целта на предметот е да ги запознаат и обучат студентите со повеќе статистички алатки и методи за разбирање и анализирање на комплексни бази на податоци, илустрирани со соодветни избрани примери од различни области на истражување со користење на софтвер со отворен код R и/или Python.

11.

Course content

Фокусот ќе биде на модели на регресија и класификација, вклучувајќи линеарна и полиномна регресија, логистичка регресија и линеарна дискриминантна анализа, кросвалидација и bootstrap, избор на модели и регулациони методи, нелинеарни модели, слинови и обопжтени адитивни модели, методи базирани на дрва, случајни шуми и зајакнување. Анализа на главни компоненти и кластерирање (со к-процеси и хиерархиско)

12.

Learning methods

NULL

13.

Total available time

6 ECTS x 30 hours = 180 hours

14.

Distribution of available time

60 + 0 + 30 + 60 + 30 = 180 hours

15.

Forms of teaching activities

15.1.	Lectures - theoretical instruction	60 hours
15.2.	Exercises (laboratory, auditory), seminars, teamwork	0 hours

16.

Other forms of activities

16.1.	Project assignments	60 hours
16.2.	Independent assignments	30 hours
16.3.	Home study	30 hours

17.

Assessment method

17.1.	Tests	0 points
17.2.	Seminar paper / project (presentation: written and oral)	60 points
17.3.	Activities and learning	0 points
17.4.	Final exam	0 points

18.

Grading criteria (points / grade)

up to 50 points	5 (five) (F)
from 51 to 60 points	6 (six) (E)
from 61 to 70 points	7 (seven) (D)
from 71 to 80 points	8 (eight) (C)
from 81 to 90 points	9 (nine) (B)
from 91 to 100 points	10 (ten) (A)

19.

Requirement for obtaining a signature and taking the final exam

NULL

20.

Language of instruction

NULL

21.

Method for monitoring the quality of teaching

NULL

22.

Literature

22.1.	Required literature 1. Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani \| An Introduction to Statistical Learning with Applications in R \| Springer \| 2013
22.2.	Additional literature No. Author Title Publisher Year