Hoppa till huvudinnehållet

FID3026 Differentierbara probabilistiska programmeringsspråk 7,5 hp

I denna kurs lär sig doktoranden grunderna inom en ny kategori av programmerings- och modelleringsspråk: differentierbar probabilistisk programmering. Nyckelområden inom kursen är Bayesiansk slutledning, semantik inom probabilistiska programmeringsspråk, samt automatisk differentiering. Kursen behandlar både teoretiska och praktiska aspekter, vilket inkluderar aktuell forskning inom området. Vid slutet av kursen utför studenterna mindre individuella projekt där de tillämpar differentierbara probabilistisk programmering på öppen data eller annan data som är relevant för FNs hållbarhetsmål.

Välj termin och kursomgång

Välj termin och kursomgång för att se information från rätt kursplan och kursomgång.

Rubriker med innehåll från kursplan FID3026 (VT 2022–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

Kursen innehåller olika metoder, algoritmer, semantiker, matematiska koncept och tillämpningar inom differentierbar probabilistiskt programmering. Detta inkluderar frekventinistisk- jämfört med Bayesiansk statistik, Bayes regel, conjugate priors, Markov chain Monte Carlo, Sekventiell Monte Carlo (Sequential Monte Carlo), viktighetssampling (Importance Sampling), Variational uppskattning, automatisk differentiering (både framåt- och bakåt-ackumulationsmetoder), verktyg och språk för probabilistisk och differentierbar programmering (som t.ex. Latent Dirichlet Allocation, Ekvationsbaserad Objekt-Orienterad Modellering och Neurala Nätverk) och exempelområden relaterade till FNs hållbarhetsmål. 

Lärandemål

Efter godkänd kurs ska doktoranden kunna:

  • designa och implementera ett enkelt probabilistiskt programmingsspråk genom ytlig (shallow) inbäddning
  • analysera och utvärdera olika Bayesianska slutledningsmetoder
  • implementera och analysera olika metoder för automatisk differentiering
  • analysera och förklara semantiker för differentierbara och probabilistiska programmeringsspråk
  • modellera, tillämpa och reflektera över differentierbara eller probabilistiska programmeringstekniker i olika applikationsområden, inklusive områden inom FNs hållbarshetsmål.

Kursupplägg

Kursen består av flera moduler med olika aktiviteter, som inkluderar områden som statistik, Bayesiansk slutledning, probabilistisk programmering, differentierbar programmering, modellering och tillämpningar. Kursen inkluderar formativ examination, där lärandemoment och bedömning är kombinerad, vilket inkluderar obligatoriska seminarier och föreläsningar, individuella presentationer, individuella hemuppgifter, en projektrapport, samt bedömning av varandras arbeten. 

Kurslitteratur och förberedelser

Särskild behörighet

Antagen som doktorand.

Rekommenderade förkunskaper

Studenten förväntas ha mycket bra kunskap inom olika programmeringsspråk, samt grundläggande kunskap inom programspråksteori. 

Utrustning

Ingen information tillagd

Kurslitteratur

Uppgift om kurslitteratur meddelas i kurs-PM.

Examination och slutförande

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

Betygsskala

P, F

Examination

  • EXA1 - Examination, 7,5 hp, betygsskala: P, F
Examinator beslutar, baserat på rekommendation från KTH:s samordnare för funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Kursen examineras genom individuella inlämningsuppgifter, seminarier, individuella presentationer, skriftlig rapport, samt kamratgranskningsuppgifter. 

Övriga krav för slutbetyg

För att uppnå betyg godkänt måste studenten erhålla godkänt på inlämningsuppgifter, på den skriftliga rapporten, på kamratgranskningsuppiften och på individuella presentationer. Studenten måste också aktivt deltaga i alla seminarier och föreläsningar. Om studenten inte kan delta på ett visst seminarium eller föreläsning behöver hen utföra en kompletterande uppgift som kompensation. 

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Etiskt förhållningssätt

  • 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.

Ytterligare information

Kurswebb

Ytterligare information om kursen kan hittas på kurswebben via länken nedan. Information på kurswebben kommer framöver flyttas till denna sida.

Kurswebb FID3026

Ges av

Huvudområde

Denna kurs tillhör inget huvudområde.

Utbildningsnivå

Forskarnivå

Påbyggnad

Ingen information tillagd

Kontaktperson

David Broman (dbro@kth.se)

Forskarkurs

Forskarkurser på EECS/Programvaruteknik och datorsystem