In English

DD2447 Statistiska metoder i datalogin 6,0 hp

Statistical Methods in Applied Computer Science

Kursen behandlar de statistiska metoder som används i moderna datatekniska tillämpningar.

  • Utbildningsnivå

    Avancerad nivå

  • Huvudområde

    Datalogi och datateknik

  • Betygsskala

    A, B, C, D, E, FX, F

Kurstillfällen/kursomgångar

HT19 för Study Abroad Programme (SAP)

  • Perioder

    HT19 P2 (6,0 hp)

  • Anmälningskod

    10098

  • Kursen startar

    2019-10-28

  • Kursen slutar

    2020-01-14

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Campus

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

  • Kursansvarig

    Jens Lagergren <jensl@kth.se>

  • Anmälan

    Fullfölj anmälan för kursen på antagning.se via denna anmälningslänk.
    Observera att anmälan måste slutföras på antagning.se genom egen inloggning.

HT18 SAP för Study Abroad Programme (SAP)

  • Perioder

    HT18 P2 (6,0 hp)

  • Anmälningskod

    10070

  • Kursen startar

    2018-10-29

  • Kursen slutar

    2019-01-14

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Campus

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

  • Kursansvarig

    Jens Lagergren <jensl@kth.se>

  • Målgrupp

    Endast öppet för studenter från avtalsuniversitet inom programmet SAP.

Lärandemål

Studenten ska efter genomgången kurs kunna:

förklara och motivera flera viktiga maskininlärningsmetoder,

redogöra för ett antal typer av metoder och algoritmer som används i området, implementera dom m.h.a. boken, samt utvidga och modifiera dom,

kritiskt utvärdera metodernas tillämpning i nya sammanhang och konstruera nya tillämpningar,

följa forskning och utveckling inom området.

Kursens huvudsakliga innehåll

Grundläggande statistiska begrepp och grundläggande sannolikhetslära.

Generativa modeller. 

Bayesiansk inferens.

Riktade grafiska modeller.

Oriktade grafiska modeller.

Exakt inferens för grafiska modeller.

State space models.

Partikel filter.

Monte Carlo estimering.

Sequential Monte Carlo.

Markov Chain Mote Carlo.

Klustring. 

Dirichlet processen. 

Behörighet

För fristående kursstuderande krävs 90 högskolepoäng varav 45 högskolepoäng inom matematik eller informationsteknik.

Rekommenderade förkunskaper

Grundläggande kurser i programmering, datalogi, matematik och statistik motsvarande obligatoriska kurser på D- eller F-programmen.
Matlab eller motsvarande (Octave, R).

Litteratur

Machine Learning A Probabilistic Perspective av Kevin P. Murphy.

Examination

  • INL1 - Inlämningsuppgift, 6,0, betygsskala: A, B, C, D, E, FX, F

Krav för slutbetyg

Inlämningsuppgifter samt ett projekt (INL1; 6 hp).

Ges av

EECS/Intelligenta system

Kontaktperson

Jens Lagergren, e-post: jensl@kth.se

Examinator

Jens Lagergren <jensl@kth.se>

Påbyggnad

Diskutera med kursledaren.

Versionsinformation

Kursplan gäller från och med VT2019.
Examinationsinformation gäller från och med VT2019.