FDD3447 Statistiska metoder i datalogi 6,0 hp

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.

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.

För fristående kursstuderande krävs 90 högskolepoäng varav 45 högskolepoäng inom matematik eller informationsteknik. Dessutom krävs engelska B eller motsvarande.

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

Goda kunskaper i programmering.

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

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

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Examination sker i form av hemtal och projekt.

Jens Lagergren

• Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
• Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
• Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.