Beslutsteori, 6 hp

Decision Theory, 6 credits

732A66

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Kurstyp

Fristående- och programkurs

Examinator

Anders Nordgaard

Kursansvarig

Anders Nordgaard

Studierektor eller motsvarande

Jolanta Pielaszkiewicz
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Språk Ort VOF
F7MSL Statistics and Machine Learning, Master´s Programme - First and main admission round 3 (HT 2021) 202135-202202 Engelska Linköping V
F7MSL Statistics and Machine Learning, Master´s Programme - Second admission round (open only for Swedish/EU students) 3 (HT 2021) 202135-202202 Engelska Linköping V

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1N

Kursen ges för

  • Master's Programme in Statistics and Machine Learning

Förkunskapskrav

  • Kandidatexamen om 180hp (eller motsvarande) inom något av följande ämnen:
    • statistik
    • matematik
    • tillämpad matematik
    • datavetenskap
    • teknik
  • Godkända kurser i:
    • kalkyl
    • linjär algebra
    • statistik
    • programmering
  • Engelska 6/B
    (Undantag för svenska)

Lärandemål

Efter avslutad kurs skall den studerande på en avancerad nivå kunna:
- använda vanligt förekommande statistiska metoder för beslutsfattande,
- tillämpa huvudprinciperna för subjektiv tolkning av sannolikheter, Bayesiansk inferens, nyttoteori och sekventiella metoder för att fatta beslut,
- kritiskt granska förutsättningar för varje steg i en beslutsteoretisk process

Kursinnehåll

Kursinnehållet omfattar:
- Den subjektiva tolkningen av sannolikhetsbegreppet
- Resonemang med sannolikheter och likelihood-teori,
- Bayesiansk utvärdering av hypoteser,
- Beslutsteoretiska komponenter,
- Nytto- och förlustfunktioner,
- Grafisk modellering som ett verktyg för beslutsfattande,
- Sekventiella metoder för statistisk inferens

 

Undervisnings- och arbetsformer

Undervisningen omfattar föreläsningar och övningstillfällen. Föreläsningarna behandlar teori, koncept och metodik. Övningstillfällena omfattar problemlösning med och utan programvara. Utöver detta ska den studerande utöva självstudier.
Undervisningsspråk: Engelska 

 

Examination

Obligatoriska inlämningsuppgifter omfattande såväl teori som praktiska problemlösningar (med datorstöd). En avslutande muntlig tentamen. Detaljerad information återfinns i studiehandledningen.

Betygsskala

ECTS, EC

Institution

Institutionen för datavetenskap
Kod Benämning Omfattning Betygsskala
TENT Tentamen 3 hp EC
UPG1 Uppgift 3 hp EC
Det finns ingen kurslitteratur tillgänglig på studieinfo för den här kursen.

Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida.

Det finns inga filer att visa.