Bayesian Learning, 6 hp

Bayesian Learning, 6 credits

732A46

Kursen är nedlagd.

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Kurstyp

Fristående- och programkurs

Examinator

Mattias Villani

Studierektor eller motsvarande

Lotta Hallberg

Tillgänglig för utbytesstudenter

Ja

Kontaktinformation

VOF = Valbar / Obligatorisk / Frivillig
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

Statistik

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1X

Lärandemål

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, EC

Övrig 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 datavetenskap

Det finns inga examinationsmoment att visa.

Det finns ingen kurslitteratur tillgänglig på studieinfo för den här kursen.

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.