Number Learning Outcome

1 Select and implement algorithms for vectorial data

2 Synthesize data and solution methods for principal-component analysis

3 Implement, test and evaluate methods for linear regression

4 Interpret and explain methods and solutions in data classication

5 Evaluate and critique performance of algorithms in data classication

Textbook:

We will use the text Introduction to Linear Algebra, Fifth Edition by Gilbert Strang. Earlier editions may have uncorrected errors and denitely differ in the problem sets that are found at the end of each section.

We will provide additional instructional material as needed and as appropriate.

Additional Syllabus Information

Please see the course’s “Syllabus Addendum” for additional information on academic integrity, accommoda- tion requests, extenuating circumstances, and relevant copyright protection.

Scheduled Class Times

During scheduled times the instructor, and/or a teaching assistant (TA), will give presentations in Teams that will be recorded. These times will include real-time problem solving, tutorials for upcoming assessments, and

onQ quizzes.

Grading Method:

The grade in the course will be calculated numerically, then converted to a nal letter grade according to the Queen’s Ofcial Grade Conversion Scale. The course grade will be weighted as 36% for onQ quizzes and 64% for assignments. Per Academic Regulation 6.1, students are expected to attend all classes and quizzes.                Assignments:

There will be several compulsory written assignments, based on MATLAB coding and a clear English answer to the assignment questions, each assignment receiving a numerical grade.  The assignments will have varying numbers of marks that reect the expected difculty of the assignments, with easier assignments having fewer marks that contribute towards the nal grade. Each assignment will be graded by a teaching assistant (TA) so a TA should be contacted rst for any question regarding grading.

The policy for late assignments will start immediately after the submission deadline. Marks will be deducted by 20% off the maximum assignment value for each day that the assignment is late, beginning the minute that the assignment is due; for example, an assignment that is 5 minutes late will be graded out of a maximum of 80% of the marks available for that assignment. Academic consideration for assignments will be managed individually.

Requests for re-grading of an assignment must be made within 72 hours of the time that feedback is provided grading, as determined by the time in onQ. This will help us to ensure that we address the concerns of each student in a timely manner.

Non-credit homework exercises will be given out in some weeks of the course. This homework will not be a formal part of the student assessment but may be used to formulate all or part of a subsequent quiz.

Quizzes in onQ:

The instructor has chosen a style of onQ quiz that aligns with current best practices. A recent document, from the McGill University Department of Psychology, was used to establish that synchronous “forward-only” quizzes are a reasonable way to assess students. This style has reasonably approximated grade distributions from in-person proctored tests. This style also encourages faithfulness to academic integrity, where the document observes that frequency of departures are also a matter of equity.

In lieu of short-term academic consideration for quizzes, the lowest grade on the quizzes may be dropped from the nal grade calculation.  Specically: if the grade on the nal quiz exceeds 50%, then the quiz grade is the equally weighted sum of the highest 3 quiz grades; otherwise, the quiz grade is the equally weighted sum of all four quizzes. Missing one quiz, or under-performing on one quiz, will not diminish your nal grade in the course. Quiz Schedule:

The onQ quizzes are planned to occur during the scheduled times of 4 Friday classes:

Turnitin Statement:

This course makes use of Turnitin, a third-party application that helps maintain standards of excellence in aca- demic integrity. Normally, students will be required to submit their course assignments through onQ to Turnitin. In doing so, students’ work will be included as source documents in the Turnitin reference database, where they will be used solely for the purpose of detecting plagiarism.

Turnitin is a suite of tools that provide instructors with information about the authenticity of submitted work and facilitates the process of grading. Turnitin compares submitted les against its extensive database of content, and produces a similarity report and a similarity score for each assignment. A similarity score is the percentage of a document that is similar to content held within the database. Turnitin does not determine if an instance of plagiarism has occurred. Instead, it gives instructors the information they need to determine the authenticity of work as a part of a larger process.

Please read Turnitin’s Privacy Pledge, Privacy Policy, and Terms of Service, which governs users’ relationship with Turnitin. Also, please note that Turnitin uses cookies and other tracking technologies; however, in its service contract with Queen’s Turnitin has agreed that neither Turnitin nor its third-party partners will use data collected through cookies or other tracking technologies for marketing or advertising purposes.  For further information about how you can exercise control over cookies, see Turnitin’s Privacy Policy.

Turnitin may provide other services that are not connected to the purpose for which Queen’s University has engaged Turnitin. Your independent use of Turnitin’s other services is subject solely to Turnitin’s Terms of Service and Privacy Policy, and Queen’s University has no liability for any independent interaction you choose to have with Turnitin.