Hoppa till huvudinnehållet

SF2935 Moderna metoder för statistisk inlärning 7,5 hp

Välj termin och kursomgång

Välj termin och kursomgång för att se aktuell information och mer om kursen, såsom kursplan, studieperiod och anmälningsinformation.

Kursval

Gäller för kursomgång

HT 2024 Start 2024-08-26 programstuderande

Anmälningskod

50503

Rubriker med innehåll från kursplan SF2935 (VT 2022–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

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.

Lärandemål

För de metoder för statistisk inlärning som presenteras i kursen ska studenten besitta både teoretiska och praktiska kunskaper om hur metoderna fungerar, vilka som passar för en given problemställning samt implementering. Datorbaserade projektuppgifter utgör en viktig komponent av kursen.

För att bli godkänd på kursen ska studenten kunna:

  • formulera och tillämpametoder för övervakad inlärning,
  • formulera och tillämpa metoder för oövervakad inlärning,
  • tillämpa matematiska satser och metoder för att analysera och förklara egenskaper hos metoder för statistisk inlärning,
  • konstruera och implementera metoder för statistisk maskininlärning för olika uppgifter.

Kurslitteratur och förberedelser

Särskild behörighet

  • Engelska B / Engelska 6
  • Slutförd grundkurs i sannolikhetsteori och matematisk statistik (SF1918, SF1922 eller motsvarande).

Rekommenderade förkunskaper

Numeriska metoder (SF1544, SF1545 eller liknande), differentialekvationer (SF1633, SF1683 eller liknande), sannolikhetsteori and matematisk statistik (SF2940 eller liknande), regressionsanalys (SF2930 eller liknande).

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

Examination och slutförande

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

Betygsskala

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

Examination

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

Den skriftliga examen kommer att omfatta frågor av konceptuell karaktär.

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

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

Huvudområde

Matematik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd

Kontaktperson

Pierre Nyquist (pierren@kth.se)