DD3447 Statistiska metoder i datalogi 6,0 hp

Statistical Methods in Applied Computer Science

  • Utbildningsnivå

    Forskarnivå
  • Huvudområde

  • Betygsskala

    P, F

Det finns inget planerat kurstillfälle.

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 dem m.h.a. boken, samt utvidga och modifiera dem,

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. Dessutom krävs engelska B eller motsvarande.

Rekommenderade förkunskaper

Grundläggande kurser i programmering, datalogi, matematik och statistik motsvarande obligatoriska kurser på D- eller F-programmen.

Goda kunskaper i programmering.

Litteratur

Kursbok och artiklar.

Examination

  • EXA1 - Examination, 6,0, betygsskala: P, F

Examination sker i form av hemtal och projekt.

Ges av

EECS/Beräkningsvetenskap och beräkningsteknik

Examinator

Jens Lagergren <jensl@kth.se>

Versionsinformation

Kursplan gäller från och med HT2015.
Examinationsinformation gäller från och med VT2019.