SF2935 Moderna metoder för statistisk inlärning 7,5 hp

Modern Methods of Statistical Learning

  • Utbildningsnivå

    Avancerad nivå
  • Huvudområde

    Matematik
  • Betygsskala

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

Kurstillfällen/kursomgångar

HT19 för programstuderande

HT19 SAP för Study Abroad Programme (SAP)

  • Perioder

    HT19 P1 (7,5 hp)

  • Anmälningskod

    10047

  • Kursen startar

    2019-08-26

  • Kursen slutar

    2019-10-25

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Campus

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

  • Kursansvarig

    Pierre Nyquist <pierren@kth.se>

  • Lärare

    Pierre Nyquist <pierren@kth.se>

  • Målgrupp

    Endast för SAP-studenter. Studenter från UCAS.

  • 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)

HT18 för programstuderande

HT18 Doktorand för fristående studerande

  • Perioder

    HT18 P1 (7,5 hp)

  • Anmälningskod

    10127

  • Kursen startar

    2018-08-27

  • Kursen slutar

    2018-10-26

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Campus

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser *

    Max. 1

    *) Vid fler sökande än platser kommer urval att ske.

  • Kursansvarig

    Timo Koski <tjtkoski@kth.se>

  • Lärare

    Timo Koski <tjtkoski@kth.se>

  • Målgrupp

    För doktorander på KTH

HT18 Doktorand för fristående studerande INSTÄLLD

  • Perioder

    HT18 P1 (7,5 hp)

  • Anmälningskod

    10164

  • Kursen startar

    2018-08-27

  • Kursen slutar

    2018-10-26

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Campus

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser *

    Max. 1

    *) Vid fler sökande än platser kommer urval att ske.

  • Kursansvarig

    Timo Koski <tjtkoski@kth.se>

  • Lärare

    Timo Koski <tjtkoski@kth.se>

  • Målgrupp

    För doktorander på KTH

Information för forskarstuderande om när kursen ges

2015, period 2 

Lärandemål

Kursen ger en överblick av de viktigaste praktiska metoderna i statistisk inlärningsteori. Kursens huvudvikt ligger i projektarbete med olika datamängder. Efter fullgjord kurs förväntas studenten kunna:

  • känna igen skillnaden mellan icke-övervakad och övervakad inlärning

  • de grundläggande matematiska sambanden mellan och bland de statistiska inlärningsalgoritmerna samt de olika paradigmens svagheter och styrkor

  • identifiera det rätta statistiska verktyget för data-analys i verkligheten utifrån ett explicit resonemang kan utveckla algoritmer för undermodellerade datagenerande situationer

  • utveckla informativa modeller för stora och massiva datamängder samt för små datamängder

  • ta fram och implementera olika algoritmer för statistisk inlärning i många olika situationer

  • utveckla metoder för att validera en modell, optimera prestandan hos en modell och avrapportera förväntad precision

  • läsa nya forskningsuppsatser och förstå

  • de frågor som behandlas av aktuell forskning

För att få det högsta betyget skall studenten därtill kunna

  • kombinera olika modeller för att få förbättrade resultat

Kursens huvudsakliga innehåll

Kursen ger en överblick av de viktigaste metoderna i den moderna teorin för statistisk inlärning. Kursen ger stor vikt åt klassificeringsmetoder, vektoriella maskiner, artificiella neutrala nätverk, bestlutstråd, samt klustring (K-means clustering) och metoden med de närmaste grannarna. Datorbaserade projekt utgör en viktig lärandeaktivitet.

Kursupplägg

Föreläsningar, presentationer, projektarbete.

Behörighet

SF1901 Sannolikhet och statistik, linjär algebra, en- och flervariabel analys, numeriska metoder.  

Rekommenderade förkunskaper

Analys i en och flera variabler, linjär algebra,  numeriska  metoder,  differentialekvationer, sannolikhet och statistik 

Litteratur

An introduction to Statistical Learning, G. James, D. Witten, T. Hastie, R. Tibshirani, Springer Verlag, och material som presenteras på kursens websida.

Examination

  • TENA - Tentamen, 4,5, betygsskala: A, B, C, D, E, FX, F
  • ÖVN1 - Övningsuppgift, 3,0, betygsskala: P, F

Den skriftliga examen kommer att omfatta frågor av konceptuell karaktär.

Krav för slutbetyg

Skriftlig tentamen, projektuppgifter

Ges av

SCI/Matematik

Kontaktperson

Timo Koski (tjtkoski@kth.se)

Examinator

Timo Koski <tjtkoski@kth.se>

Versionsinformation

Kursplan gäller från och med HT2017.
Examinationsinformation gäller från och med HT2015.