Bayesianska metoder, 6 hp (TDDE07)

Huvudområde

Utbildningsnivå

Fördjupningsnivå

Kursen ges för

• Civilingenjör i datateknik
• Civilingenjör i informationsteknologi
• Civilingenjör i mjukvaruteknik

Förkunskapskrav

OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.

Rekommenderade förkunskaper

Matematisk analys; Linjär algebra; sannolikhetslära och statistisk; Maskininlärning; Grundläggande programmering.

 

Lärandemål

Kursen ger en gedigen introduktion till bayesiansk inlärning, med speciell fokus på teori, modeller och metoder som används inom tillämpad maskininlärning. Grundläggande ideér och begrepp inom bayesiansk analys presenteras genom detaljerad analys av enklare sannolikhetsmodeller. Kursen presenterar de vanligast förekommande simuleringsalgoritmerna, och visar hur dessa algoritmer kan användas för att lösa komplexa maskininlärningsproblem. Efter genomgången kurs ska den studerande kunna:

• härleda posteriorfördelningen i ett antal enklare sannolikhetsmodeller
• använda simuleringsmetoder för bayesiansk analys av komplexa modeller
• utföra bayesiansk prediktion och beslutsfattande under osäkerhet
• utföra bayesiansk modellinferens.

Kursinnehåll

Likelihood, Subjectiv sannolikhet, Bayes sats, Apriori- och aposteriorifördelning, Bayesiansk analys av modellerna: Bernoulli, Normal, Multinomial, Multivariat normal, Linjär och icke-linjär regression, Binär regression, Mixture modeller; Regulariserings prior, Klassificering Naïve Bayes, Marginalisering, Posterior approximation, Prediktion, Beslutsteori, Markov Chain Monte Carlo, Gibbs sampling, Bayesiansk variabelselektion, Modellval, Model averaging. 
 

Undervisnings- och arbetsformer

Undervisningen består av föreläsningar, lektioner och datorlaborationer. Föreläsningar används för att introducera begrepp och teori som studenterna sedan använder i praktisk problemlösning vid lektioner och datorlaborationer.

Examination

Betygsskala

Övrig information

Påbyggnadskurser:
Avancerad maskininlärning, Text mining, Visuell detektion och igenkänning

Om undervisningsspråk

Undervisningsspråk visas på respektive kurstillfälle på fliken "Översikt".

• Observera att även om undervisningsspråk är svenska kan delar av kursen ges på engelska.
• Om undervisningsspråk är Svenska/Engelska kan kursen i sin helhet ges på engelska vid behov.
• Om undervisningsspråk är Engelska ges kursen i sin helhet på engelska. 

Övrigt

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 ingår i kursen skall därför genomföras med kursplanen som utgångspunkt. 

Institution

Studierektor eller motsvarande

Examinator

Undervisningstid

Kurslitteratur

Böcker