Metoder för statistisk avvikelsedetektion
Parametrisk och icke-parametrisk statistisk modellering
Bayesianska metoder för avvikelsedetektion
Kursomgångar saknas för aktuella eller kommande terminer.
Notera: all information från kursplanen visas i tillgängligt format på denna sida.
Kursplan FDD3334 (HT 2014–)Metoder för statistisk avvikelsedetektion
Parametrisk och icke-parametrisk statistisk modellering
Bayesianska metoder för avvikelsedetektion
Efter avslutad kurs ska studenten kunna:
· presentera en överblick över de huvudsakliga metoderna för statistisk avvikelsedetektion.
· Utvärdera och diskutera skillnader mellan olika metoder, i termer av deras för och nackdelar.
· Identifiera och diskutera de huvudsakliga utmaningarna kring avvikelsedetektion.
· Använda grundläggande avvikelsedetektion i enkla fall.
Bakgrundskunskaper i statistik och datalogi.
En samling av vetenskapliga artiklar som täcker in ett antal huvudsakliga kategorier av statistisk avvikelsedetektion och exempel på deras tillämpningar.
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
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.
· SEM1 – Läsgrupp, 3.0 Hp, betygsskala: P, F
· INL1 – Inlämningsuppgift, 1.5 Hp, betygsskala: P, F
Examination sker I form av aktivt deltagande I en läsgrupp inklusive muntlig presentation av minst två artklar inom statistisk avvikelsedetektion, samt en hemuppgift som går ut på att välja och tillämpa någon grundläggande avvikelsedetektionsmetod på en given datamängd.