Bayesiansk statistik för maskininlärning, 3 hp

Huvudområde med fördjupning

Kandidatexamen i datateknik eller Högskoleingenjörsexamen i datateknik inklusive 5 hp statistik och 5 hp maskininlärning. Engelska 6 eller Engelska nivå 2. Undantag ges för kravet på svenska, för dig med utländska betyg.

Kursen ges som en fristående kurs.

Denna kurs syftar till att ge en bred introduktion till Bayesiansk statistik och dess användning i maskininlärning. Målet är att studenten ska lära sig om grundläggande Bayesianska begrepp, parametrisk och icke-parametrisk Bayesiansk estimering och inferens, statistiska maskininlärningsmodeller och Bayesianska djupa neurala nätverk.

Efter avslutad kurs ska studenten kunna:

Kunskap och förståelse

• beskriva de grundläggande begreppen inom Bayesiansk statistik och skillnaden mot frekventistisk statistik
• redogöra för vilka olika metoder för Bayesiansk inferens som finns
• självständigt härleda och anpassa enkla Bayesianska metoder

Färdighet och förmåga

• tillämpa Bayesianska metoder på verkliga problem
• använda standardverktyg för Bayesiansk analys och maskininlärning
• självständigt härleda och anpassa enkla Bayesianska metoder

Värderingsförmåga och förhållningssätt

• bedöma vilka fördelar en Bayesiansk metod kan ge i ett specifikt fall
• avgöra vilken Bayesiansk metod som kan användas i ett specifikt fall

Kursen är uppdelad i:

Grundläggande Bayesianska begrepp, att välja priors och härleda grundläggande ekvationer, Bayesiansk inferens, parametrisk modell, estimering, samplingsbaserade metoder, sekventiell inferens (Kalmanfilter, partikelfilter), approximativ inferens, modellval, saknade data samt Bayesianska djupa neurala nätverk.

Föreläsningar ges genom videokonferensverktyg och följs av praktiska labbuppgifter i Python, tillhandahållna som Jupyternotebooks, som låter deltagarna gräva i de begrepp som presenterats i föreläsningarna och omsätta dem i praktiken.

Undervisningen sker via högskolans lärplattform.

Kursen examineras genom hemuppgift, laborationer och övningar, som alla görs individuellt. Hemuppgiften framställs såväl skriftligt som muntligt.

Om särskilda skäl finns får examinator göra undantag från angiven examinationsform och medge att en student examineras på annat sätt. Särskilda skäl kan till exempel vara beslut om riktat pedagogiskt stöd.

I kursen ingår kursvärdering. Denna är vägledande för utveckling och planering av kursen. Kursvärderingen dokumenteras och redovisas för studenterna.