Kursplan för Statistisk inferens och maskininlärning

Statistical Inference and Machine Learning

Kursplan

  • 7,5 högskolepoäng
  • Kurskod: 2ST126
  • Utbildningsnivå: Grundnivå
  • Huvudområde(n) och successiv fördjupning: Statistik G2F

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (G), väl godkänd (VG)
  • Inrättad: 2020-03-13
  • Inrättad av: Institutionsstyrelsen
  • Reviderad: 2021-09-09
  • Reviderad av: Institutionsstyrelsen
  • Gäller från: vecka 03, 2022
  • Behörighet: Statistik A, 30 hp, och minst 15 hp från Statistik B, 30 hp
  • Ansvarig institution: Statistiska institutionen

Mål

En student som gått kursen skall

  • ha fått fördjupad kunskap om den teori som ligger till grund för statistisk inferens
  • ha fått fördjupad kunskap om den teori som ligger till grund för maskininlärning
  • kunna tillämpa de metoder som tas upp i kursen
  • kunna förklara styrkor och svagheter hos olika metoder och välja lämpliga metoder för olika problem
  • kunna använda statistisk programvara för att analysera data
  • ha förmåga att i skriftlig form redovisa resultat av genomförda undersökningar

Innehåll

Metoder inom statistisk inferens och maskininlärning behandlas, exempelvis asymptotiska metoder, simulering, bootstrap, bayesianska metoder, icke-parametriska metoder, val och utvärdering av modeller, regulariseringsmetoder, icke-linjär regression och klassificering.

Undervisning

Undervisning ges i form av föreläsningar och räkneövningar.

Examination

Examinationen sker dels genom ett skriftligt prov i slutet av kursen och/eller genom redovisning skriftligt och muntligt av obligatoriska inlämningsuppgifter.

Litteratur

Litteraturlista

Gäller från: vecka 03, 2022

I bibliotekets söktjänst kan du se om en titel finns elektroniskt.

  • An introduction to statistical learning : with applications in R James, Gareth; James, Gareth; Witten, Daniela; Hastie, Trevor; Tibshirani, Robert

    New York, NY: Springer, 2013

    Se bibliotekets söktjänst

  • Wasserman, Larry All of statistics : a concise course in statistical inference

    New York: Springer, cop. 2004

    Se bibliotekets söktjänst