Bayesianska metoder, 6 hp
Bayesian Learning, 6 credits
732A91
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåKurstyp
ProgramkursExaminator
Bertil WegmannKursansvarig
Bertil WegmannStudierektor eller motsvarande
Jolanta PielaszkiewiczKursen ges för | Termin | Veckor | Block | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|---|
Fristående kurs (Tredjedelsfart, Dagtid) | VT 2025 | 202514-202524 | 2 | Svenska | Linköping, Valla | ||
F7MML | Statistics and Machine Learning, Master´s Programme - First and main admission round | 2 (VT 2025) | 202514-202524 | 2 | Svenska | Linköping, Valla | O |
F7MML | Statistics and Machine Learning, Master´s Programme - Second admission round (open only for Swedish/EU students) | 2 (VT 2025) | 202514-202524 | 2 | Svenska | Linköping, Valla | O |
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1FKursen ges för
- Master's Programme in Statistics and Machine Learning
Förkunskapskrav
- 180 hp avslutade kurser varav 90 hp inom något av följande ämnen:
- statistik
- matematik
- tillämpad matematik
- datavetenskap
- teknik
- Godkända kurser i:
- matematisk analys
- linjär algebra
- statistik
- programmering
- Engelska 6
Undantag ges för svenska - Godkänt på kursen Advanced Academic Studies, 3 hp
Lärandemål
Efter avslutad kurs ska den studerande på en avancerad nivå kunna:
- redogöra för de huvudsakliga skillnaderna mellan Bayesiansk och frekventistisk inferens
- analysera grundläggande statistiska modeller med Bayesiansk inferens och tolka resultat på ett korrekt sätt
- kritiskt analysera och tillämpa Bayesianska modeller för prediktion och beslutsfattande
- implementera avancerade statistiska modeller, inkluderande förekommande i aktuell forskning, genom att använda avancerade simuleringstekniker
- tillämpa Bayesiansk inferens på praktiska problem med hjälp av programmeringsspråk för statistisk dataanalys
Kursinnehåll
I kursen behandlas:
- Subjektiv sannolikhet
- Bayes sats
- Likelihood
- apriori och aposteriori fördelningar
- Regulariseringsprior
- Klassificering
- Marginalisering
- Aposteriori approximation
- Bayesiansk analys av följande modeller: Bernoulli, Normal, Poisson, Multinomial, Multivariat normal; Linjär och icke-linjär regression, Regression för kategoriska data
- Prediktion
- Beslutsteori
- Markov Chain Monte Carlo, inklusive Gibbs sampling
- Mixture modeller
- Bayesiansk variabelselektion
- Modellval
Undervisnings- och arbetsformer
Undervisningen består av föreläsningar, lektioner och datorlaborationer. Utöver detta ska den studerande utöva självstudier.
Undervisnings och examinationsspråk: Engelska.
Examination
Kursen examineras genom:
- skriftliga laborationsuppgifter i grupp, betygsskala: EC P/F
- skriftlig individuell tentamen, betygsskala: EC
För Godkänt (E) som slutbetyg krävs minst E på den skriftliga individuella tentamen samt Pass på skriftliga laborationsuppgifter i grupp. Högre betyg grundas på den individuella skriftliga 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 likvärdiga villkor råder med avseende på kön, könsöverskridande identitet eller uttryck, etnisk tillhörighet, religion eller annan trosuppfattning, funktionsnedsättning, sexuell läggning och ålder.
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 |
---|---|---|---|
DAT2 | Tentamen | 5 hp | EC |
LAB2 | Laboration | 1 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.