Kursen ger en överblick av de viktigaste metoderna i den moderna teorin för statistisk inlärning. Kursen ger stor vikt åt klassificeringsmetoder, vektoriella maskiner, artificiella neutrala nätverk, bestlutstråd, samt klustring (K-means clustering) och metoden med de närmaste grannarna. Datorbaserade projekt utgör en viktig lärandeaktivitet.
SF2935 Moderna metoder för statistisk inlärning 7,5 hp
![](https://kursinfostorageprod.blob.core.windows.net/kursinfo-image-container/Picture_by_MainFieldOfStudy_11_Mathematics.jpg)
Om kursomgång
Gäller för kursomgång
HT 2024 Start 2024-08-26 programstuderande
Målgrupp
Sökbar för alla masterprogram under förutsättning att kursen kan ingå i programmet.
Del av program
Masterprogram, datorsimuleringar inom teknik och naturvetenskap, åk 2, Villkorligt valfri
Masterprogram, flyg- och rymdteknik, åk 2, Valfri
Masterprogram, flyg- och rymdteknik, åk 2, SYS, Valfri
Masterprogram, industriell ekonomi, åk 1, FMIB, Villkorligt valfri
Masterprogram, industriell ekonomi, åk 1, OSYT, Villkorligt valfri
Masterprogram, information och nätverksteknologi, åk 2, Rekommenderad
Masterprogram, information och nätverksteknologi, åk 2, INF, Rekommenderad
Masterprogram, tillämpad matematik och beräkningsmatematik, åk 1, Valfri
Masterprogram, tillämpad matematik och beräkningsmatematik, åk 2, Valfri
Masterprogram, tillämpad matematik och beräkningsmatematik, åk 2, DAVE, Obligatorisk
Perioder
P1 (7,5 hp)Varaktighet
Studietakt
50%
Undervisningsform
Normal Dagtid
Undervisningsspråk
Engelska
Studielokalisering
KTH Campus
Antal platser
Ingen platsbegränsning
Planerade schemamoduler
Kurs-PM
Kurs-PM är inte publiceratSchema
Länk till SchemaKursval
Gäller för kursomgång
HT 2024 Start 2024-08-26 programstuderande
Anmälningskod
50503
Kontakt
Gäller för kursomgång
HT 2024 Start 2024-08-26 programstuderande
Kontaktperson
Pierre Nyquist (pierren@kth.se)
Examinator
Ingen information tillagdKursansvarig
Ingen information tillagdLärare
Ingen information tillagdInnehåll och lärandemål
Kursinnehåll
Lärandemål
För de metoder för statistisk inlärning som presenteras i kursen ska studenten besitta både teoretiska och praktiska kunskaper om hur metoderna fungerar, vilka som passar för en given problemställning samt implementering. Datorbaserade projektuppgifter utgör en viktig komponent av kursen.
För att bli godkänd på kursen ska studenten kunna:
- formulera och tillämpametoder för övervakad inlärning,
- formulera och tillämpa metoder för oövervakad inlärning,
- tillämpa matematiska satser och metoder för att analysera och förklara egenskaper hos metoder för statistisk inlärning,
- konstruera och implementera metoder för statistisk maskininlärning för olika uppgifter.
Kurslitteratur och förberedelser
Särskild behörighet
- Engelska B / Engelska 6
- Slutförd grundkurs i sannolikhetsteori och matematisk statistik (SF1918, SF1922 eller motsvarande).
Rekommenderade förkunskaper
Numeriska metoder (SF1544, SF1545 eller liknande), differentialekvationer (SF1633, SF1683 eller liknande), sannolikhetsteori and matematisk statistik (SF2940 eller liknande), regressionsanalys (SF2930 eller liknande).
Utrustning
Kurslitteratur
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
Examination
- TENA - Tentamen, 4,5 hp, betygsskala: A, B, C, D, E, FX, F
- ÖVN1 - Övningsuppgift, 3,0 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.
Den skriftliga examen kommer att omfatta frågor av konceptuell karaktär.
Möjlighet till komplettering
Möjlighet till plussning
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.