Bayesian Learning, 6 hp
Bayesian Learning, 6 credits
732A46
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåKurstyp
Fristående- och programkursExaminator
Mattias VillaniStudierektor eller motsvarande
Lotta HallbergTillgänglig för utbytesstudenter
JaKontaktinformation
Lilian Alarik
Lotta Hallberg
Kursen ges för | Termin | Veckor | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|
Fristående kurs (Halvfart, Dagtid) | VT 2017 | 201712-201723 | Engelska | Linköping, Valla | ||
Fristående kurs (Halvfart, Dagtid) | VT 2017 | 201712-201723 | Engelska | Linköping, Valla |
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1XLärandemål
Efter avslutad kurs skall den studerande på en avancerad nivå kunna:
- förklara tydligt de största skillnaderna mellan Bayesiansk och frekventistisk inferens
- analysera grundläggande statistiska modeller som utnyttjar det Bayesianska tillvägagångssättet och tolka resultat på ett korrekt sätt
- använda Bayesianska modeller för prediktion och beslutsfattande
- implementera avancerade statistiska modeller genom att använda avancerade simuleringstekniker
- förklara principer bakom den Bayesianska inferensen
Kursinnehåll
Kursen syftar till att ge en grundläggande inledning till det Bayesianska tillvägagångssättet för statistisk inferens med inriktning mot tillämpningar i Data Mining och maskinläran. Efter en introduktion till det subjektiva sannolikhetskonceptet fokuserar kursen på matematiken av ”priori-till-posteriori” uppdateringen i de grundläggande statistiska modellerna såsom Bernoulli, normalmodell och multinomiala modeller. Linjär regression och spline regression analyseras också med Bayesianska metoder. I kursen visas därefter hur komplexa modeller kan analyseras med simuleringstekniker såsom Markov Chain Monte Carlo (MCMC). Bayesiansk prediktion och marginalisering av onödiga parametrar förklaras och introduktion till Bayesiansk modelurval och Bayesiansk beslutsteori ges också i kursen.
Undervisnings- och arbetsformer
Kursen består av föreläsningar, lektioner och datorlaborationer. Föreläsningarna presenterar begrepp och metoder. Lektionerna ägnas åt lösning av matematiskt inriktade uppgifter. Datorlaborationerna ägnas åt praktiska övningar i Bayesiansk inferens. Utöver detta ska den studerande utöva självstudier.
Språk: Engelska.
Examination
Kursen examineras genom ett projektarbete samt inlämning av laborationsuppgifter. Detaljerad information återfinns i studiehandlednignen.
Betygsskala
ECTS, ECÖvrig information
Planering och genomförande av kurs skall utgå från kursplanens formuleringar. Den kursvärdering som skall ingå i varje kurs skall därför behandla frågan om hur kursen överensstämmer med kursplanen. Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.
Planering och genomförande av kurs skall utgå från kursplanens formuleringar. Den kursvärdering som skall ingå i varje kurs skall därför behandla frågan om hur kursen överensstämmer med kursplanen.
Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.
Institution
Institutionen för datavetenskapDet finns inga examinationsmoment att visa.
Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida.
Det finns inga filer att visa.