Behörighetskrav

120 hp inklusive Sannolikhet och statistik, Linjär algebra II, Envariabelanalys och en kurs i grundläggande programmering.

Mål

Efter godkänd kurs ska studenten kunna

• strukturera och dela upp statistiska inlärningsproblem i hanterbara underproblem, formulera en matematisk lösning av respektive problem och implementera denna med hjälp av statistisk mjukvara
• använda och konstruera linjära och olinjära modeller för klassificering och regression
• beskriva begränsningarna med linjära modeller och redogöra för hur olinjära modeller kan hantera dessa begränsningar
• redogöra för hur en modells kvalitet utvärderas samt användande av korsvalidering for modellselektion och modelljustering
• redogöra för avvägningen mellan bias och varians
• redogöra för skillnaden mellan parametriska och icke-parametriska modeller

Innehåll

Detta är en introduktionskurs i statistisk inlärning med fokus på klassificering och regression: linjär regression, regularisering (ridge regression och LASSO), klassificering via logistisk regression, linjär diskriminantanalys, klassificering- och regressionsträd, boosting, neurala nätverk, djupinlärning (deep learning); praktiska aspekter så som korsvalidering, modellval, avvägning mellan bias och varians, tillämpning av metoderna på riktiga data.

Undervisning

Föreläsningar, lektioner (både med och utan dator), laboration, återkoppling på skriftliga uppgifter.

Examination

Skriftligt prov samt muntlig och skriftlig redovisning av uppgifter.