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
• på en grundläggande nivå redogöra för Bayesianska modeller och använda dem för klassificering och regression
• redogöra för hur en modells kvalitet utvärderas, användande av korsvalidering, och specifikt kompromissen mellan bias och varians
• redogöra för dimensionsreduktion och utmaningarna med högdimensionella data
• använda principalkomponentanalys och klustring för att visualisera data och hitta grupperingar i data.

Innehåll

Detta är en introduktionskurs i statistisk inlärning, med fokus på klassificering och regression. Linjär regression (traditionell och Bayesiansk), klassificering via logistisk regression, linjär diskriminantanalys, Gaussiska processer, kernel metoder, korsvalidering, modellval, regularisering (ridge regression och LASSO), regressions- och klassificeringsträd, principalkomponentanalys och klustring. Tillämpning av metoderna på riktiga data.

Undervisning

Föreläsningar, lektioner (både med och utan dator) och inlämningsuppgifter.

Examination

Skriftligt prov (4 hp) samt muntlig och skriftlig redovisning av inlämningsuppgifter (1 hp).