SF2957 Statistisk maskininlärning 7,5 hp

Kursen ger en överblick av avancerade metoder inom statistisk maskininlärning och behandlar klassisk och Bayesiansk beslutsteori, djupinlärning för regression och klassificering, Gaussiska processer för regression och klassificering, klustring, reproducerande Hilbert-rum, förstärkningsinlärning och beräkningsmetoder i maskininlärning. Datorbaserade projekt med diverse datamängder utgör en viktig lärandeaktivitet.

Efter godkänd kurs ska studenten kunna:

•  formulera och tillämpa statistisk beslutsteori
•  formulera och tillämpa avancerade metoder inom statistisk maskininlärning
•  utforma och implementera avancerade metoder inom statistisk maskininlärning för tillämpningar

• Engelska B / Engelska 6
• Slutförd grundkurs i numerisk analys (SF1544, SF1545 eller motsvarande)
• Slutförd grundkurs i sannolikhetsteori och statistik (SF1922, SF1914 eller motsvarande)
• Slutförd avancerad kurs i sannolikhetsteori (SF2940 eller motsvarande)

Slutförda kurser SF2935 Moderna metoder i statistisk inlärning, eller motsvarande, samt SF2955 Datorintensiva metoder i statistik, eller motsvarande.

Böcker, artiklar och föreläsningsanteckningar som presenteras pa kursens hemsida.

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

• PRO1 - Projekt, 3,0 hp, betygsskala: P, F
• TENA - Skriftlig tentamen, 4,5 hp, betygsskala: A, B, C, D, E, FX, 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.

Henrik Hult

• 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.