Hoppa till huvudinnehållet
Till KTH:s startsida

FDD3447 Statistiska metoder i datalogi 6,0 hp

Information per kursomgång

Termin

Information för HT 2024 Start 2024-10-28 programstuderande

Studielokalisering

KTH Campus

Varaktighet
2024-10-28 - 2025-01-13
Perioder
P2 (6,0 hp)
Studietakt

33%

Anmälningskod

51554

Undervisningsform

Normal Dagtid

Undervisningsspråk

Engelska

Kurs-PM
Kurs-PM är inte publicerat
Antal platser

Ingen platsbegränsning

Målgrupp
Ingen information tillagd
Planerade schemamoduler
[object Object]
Schema
Schema är inte publicerat
Del av program
Ingen information tillagd

Kontakt

Examinator
Ingen information tillagd
Kursansvarig
Ingen information tillagd
Lärare
Ingen information tillagd
Kontaktperson

Jens Lagergren (jensl@kth.se), Golnaz Taheri golnazt@kth.se

Kursplan som PDF

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

Kursplan FDD3447 (VT 2019–)
Rubriker med innehåll från kursplan FDD3447 (VT 2019–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

Grundläggande statistiska begrepp och grundläggande sannolikhetslära.

Generativa modeller.

Bayesiansk inferens.

Riktade grafiska modeller.

Oriktade grafiska modeller.

Exakt inferens för grafiska modeller.

State space models.

Partikel filter.

Monte Carlo estimering.

Sequential Monte Carlo.

Markov Chain Mote Carlo.

Klustring.

Dirichlet processen.

Lärandemål

Studenten ska efter genomgången kurs kunna:

förklara och motivera flera viktiga maskininlärningsmetoder,

redogöra för ett antal typer av metoder och algoritmer som används i området, implementera dem m.h.a. boken, samt utvidga och modifiera dem,

kritiskt utvärdera metodernas tillämpning i nya sammanhang och konstruera nya tillämpningar, följa forskning och utveckling inom området.

Kurslitteratur och förberedelser

Särskild behörighet

För fristående kursstuderande krävs 90 högskolepoäng varav 45 högskolepoäng inom matematik eller informationsteknik. Dessutom krävs engelska B eller motsvarande.

Rekommenderade förkunskaper

Grundläggande kurser i programmering, datalogi, matematik och statistik motsvarande obligatoriska kurser på D- eller F-programmen.

Goda kunskaper i programmering.

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

Examination och slutförande

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

Betygsskala

P, F

Examination

  • EXA1 - Examination, 6,0 hp, betygsskala: P, 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.

Examination sker i form av hemtal och projekt.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

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

Huvudområde

Denna kurs tillhör inget huvudområde.

Utbildningsnivå

Forskarnivå

Påbyggnad

Ingen information tillagd

Kontaktperson

Jens Lagergren (jensl@kth.se), Golnaz Taheri golnazt@kth.se

Forskarkurs

Forskarkurser på EECS/Beräkningsvetenskap och beräkningsteknik