Beslutsteori, 6 hp
Decision Theory, 6 credits
732A66
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåKurstyp
ProgramkursExaminator
Anders NordgaardKursansvarig
Anders NordgaardStudierektor eller motsvarande
Jolanta PielaszkiewiczKursen ges för | Termin | Veckor | Block | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|---|
F7MSL | Statistics and Machine Learning, Master´s Programme - First and main admission round | 3 (HT 2022) | 202235-202302 | 4 | Engelska | Linköping, Valla | V |
F7MSL | Statistics and Machine Learning, Master´s Programme - Second admission round (open only for Swedish/EU students) | 3 (HT 2022) | 202235-202302 | 4 | Engelska | Linköping, Valla | V |
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1FKursen ges för
- Master´s Programme in Statistics and Data Mining
- 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:
- matematisk analys
- linjär algebra
- statistik
- programmering
- Engelska 6
Undantag för svenska - Minst 30 hp godkända från termin 1 och 2 på Master's Programme in Statistics and Machine Learning, inklusive kursen Maskininlärning 9 hp, eller motsvarande förvärvade kunskaper
Lärandemål
Efter avslutad kurs ska 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
I kursen behandlas:
- 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 består av föreläsningar och övningstillfällen. Utöver detta ska den studerande utöva självstudier.
Examinationsspråk: Engelska
Examination
Kursen examineras genom:
- individuella inlämningsuppgifter, betygsskala: UG
- gruppvis muntlig tentamen, betygsskala: EC
För Godkänt (E) som slutbetyg krävs minst E på den gruppvisa muntliga tentamen och Godkänt på de individuella inlämningsuppgifterna. Högre betyg grundas på den gruppvisa muntliga tentamen.
Detaljerad information återfinns i studieanvisningen.
Om det finns särskilda skäl, och om det med hänsyn till det obligatoriska momentets karaktär är möjligt, får examinator besluta att ersätta det obligatoriska momentet med en annan likvärdig uppgift.
Om LiU: s koordinator för studenter med funktionsnedsättning har beviljat en student rätt till anpassad examination vid salstentamen har studenten rätt till det.
Om koordinatorn har gett studenten en rekommendation om anpassad examination eller alternativ examinationsform, får examinator besluta om detta om examinator bedömer det möjligt utifrån kursens mål.
Examinator får också besluta om anpassad examination eller alternativ examinationsform om examinator bedömer att det finns synnerliga skäl och examinator bedömer det möjligt utifrån kursens mål.
Studerande, vars examination underkänts två gånger på kursen eller del av kursen, har rätt att begära en annan examinator vid förnyat examinationstillfälle.
Den som godkänts i prov får ej delta i förnyat prov för högre betyg.
Betygsskala
ECTS, ECÖvrig information
Planering och genomförande av kurs ska utgå från kursplanens formuleringar. Den kursvärdering som ska ingå i varje kurs ska därför behandla frågan om hur kursen överensstämmer med kursplanen.
Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.
Om det föreligger synnerliga skäl får rektor i särskilt beslut ange förutsättningarna för, och delegera rätten att besluta om, tillfälliga avsteg från denna kursplan.
Institution
Institutionen för datavetenskapKod | Benämning | Omfattning | Betygsskala |
---|---|---|---|
TENT | Tentamen | 3 hp | EC |
UPG1 | Uppgift | 3 hp | EC |
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.