Hoppa till huvudinnehållet
Till KTH:s startsida

DD2447 Statistiska metoder i datalogin 6,0 hp

Administrera Om kursen

Kursen behandlar de statistiska metoder som används i moderna datatekniska tillämpningar.

Information per kursomgång

Välj termin och kursomgång för att se aktuell information och mer om kursen, såsom kursplan, studieperiod och anmälningsinformation.

Termin

Kursplan som PDF

Notera: all information från kursplanen visas i tillgängligt format på denna sida.

Kursplan DD2447 (HT 2026–)
Rubriker med innehåll från kursplan DD2447 (HT 2026–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

  • Generativa modeller.
  • Bayesiansk inferens.
  • Probabilistisk programmering.
  • Grafiska modeller.
  • Dolda Markovmodeller med kontinuerliga tillstånd.
  • Partikelfilter.
  • Monte Carlo-uppskattning.
  • Sekventiell Monte Carlo.
  • Markov Chain Monte Carlo.
  • Klustring.
  • Dirichlet-processen.

Lärandemål

Efter godkänd kurs ska studenten kunna

  • förklara och motivera flera viktiga metoder för maskininlärning
  • redogöra för flera typer av metoder och algoritmer som används i fältet samplingsbaserade inferensmetoder
  • implementera flera typer av metoder och algoritmer som används i fältet utifrån en högnivåbeskrivning
  • utöka och modifiera de metoder som kursen behandlar

i syfte att kunna göra ett examensarbete inom samplingsbaserade inferensmetoder.

Kurslitteratur och förberedelser

Särskild behörighet

Kunskaper i linjär algebra, 7,5 hp, motsvarande slutförd kurs SF1624/SF1672/SF1684.

Kunskaper i envariabelanalys, 7,5 hp, motsvarande slutförd kurs SF1625/SF1673/SF1685.

Kunskaper i sannolikhetsteori och statistik, 6 hp, motsvarande slutförd kurs SF1910-SF1925/SF1935 eller slutfört provmoment TEN1 inom SF1910/SF1925/SF1935.

Kunskaper och färdigheter i programmering, 6 hp, motsvarande slutförd kurs DD1337/DD1310-DD1319/DD1321/DD1331/DD1333/DD100N/ID1018/ID1022.

Kunskaper i algoritmer, datastrukturer och grundläggande programutvecklingsteknik, 6 hp, motsvarande slutförd kurs DD1338/DD1320-DD1328/DD2325/ID1020/ID1021 eller slutförda provmoment KONT och LABD i DD1326.

Rekommenderade förkunskaper

Grundläggande kurser i programmering, datalogi, matematik och statistik motsvarande obligatoriska kurser på D- eller F-programmen.
Matlab eller motsvarande (Octave, R).

Kurslitteratur

Du hittar information om kurslitteratur antingen i kursomgångens kurs-PM eller i kursomgångens kursrum i Canvas.

Examination och slutförande

Betygsskala

A, B, C, D, E, FX, F

Examination

  • INL1 - Inlämningsuppgift, 6,0 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.

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

Övriga krav för slutbetyg

Inlämningsuppgifter samt ett projekt (INL1; 6 hp).

Examinator

Profile picture Golnaz Taheri

Etiskt förhållningssätt

  • 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.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

EECS/Beräkningsvetenskap och beräkningsteknik

Huvudområde

Datalogi och datateknik

Utbildningsnivå

Avancerad nivå

Övrig information

I denna kurs tillämpas EECS hederskodex, se:
http://www.kth.se/eecs/utbildning/hederskodex

Denna kurs överlappar med DD2420 Probabilistiska grafiska modeller.