Bayesiansk inlärning
Kursen ger en introduktion till Bayesiansk inlärning, prediktion och beslutsfattande med fokus på moderna tillämpningar i statistik och maskininlärning. De huvudsakliga idéerna bakom Bayesiansk inferens presenteras först i ett antal enklare modeller, för att sedan gradvist övergå till analys av mer komplexa modeller med hjälp av moderna simulerings- och approximationsmetoder.
Bayesiansk inferens använder Bayes teorem för att kombinera datainformation med andra kunskapskällor i en probabilistisk ansats. Denna s k aprioriinformation kan bestå av expertkunskap, tidigare studier eller andra datakällor, men även mer subjektiv information om graden av mjukhet i relationen mellan prediktorvaribler och en målvariabel i en flexibel prediktionsmodell. En bayesiansk ansats ger en kvantifiering av osäkerhet som kan användas för beslutfattande under osäkerhet.
Kursen innehåller flera matematiska övningstillfällen och datorlaborationer för att lära ut tillämpning av bayesianska metoder för: regression, klassifikation, regularisering, prediktion, optimala beslut, variabel- och modellval. Simuleringsmetoder som Markov chain Monte Carlo och Hamiltonian Monte Carlo är en viktig del av kursen; optimeringsbaserade approximationsmetoder som variational inference tas också upp.
För dig som är antagen VT2023
Grattis! Du har blivit antagen till den utbildning du sökt på Stockholms universitet och vi hoppas att du kommer att trivas med dina studier hos oss.
På den här sidan listar vi vad du behöver göra och känna till innan du börjar dina studier.
Följ de instruktioner du fått för att acceptera din plats.
Mer information på antagning.se
Checklista för antagna studenter
-
Aktivera ditt SU-konto
Första steget för att kunna registrera dig och få tillgång till universitetets alla IT-tjänster.
-
Registrera dig på din institution
Registrering kan ske på olika sätt. Läs noga informationen från din institution nedan.
-
Ta del av institutionens information
På den här sidan hittar du det du behöver veta inför starten på din kurs eller ditt program.
Notera
Din plats kan tas tillbaka om du inte registrerar dig och deltar vid eventuellt upprop enligt anvisningarna från institutionen.
Information från institutionen - kurser
Blivande student vid Statistiska institutionen? Här har vi samlat information till dig som sökt kurser hos oss.
Välkomstaktiviteter
Vid terminsstart arrangeras ett antal välkomstaktiviteter för dig som är ny student. En av dessa är Välkomstdagen på Campus Frescati som bjuder på ett seminarium med viktig information och praktiska tips inför din studietid. Välkomstdagen arrangeras för alla nya studenter, oavsett ämne, kurs eller program. För dig som är ny student vid Institutionen för data- och systemvetenskap, DSV, arrangeras en motsvarade välkomstdag på Campus Kista.
Information som rör din utbildning får du via din kurs-/programgivande institution.
Hitta hit
Stockholms universitet sträcker sig över en stor yta. Läs om vilka campus som finns och var du hittar din institution, alla undervisningslokaler, lunchställen, bibliotek, läsplatser, mm.
Läs mer
Kursen ger en introduktion till Bayesiansk inlärning, prediktion och beslutsfattande med fokus på moderna tillämpningar i statistik och maskininlärning. De huvudsakliga idéerna bakom Bayesiansk inferens presenteras först i ett antal enklare modeller, för att sedan gradvist övergå till analys av mer komplexa modeller med hjälp av moderna simulerings- och approximationsmetoder.
Bayesiansk inferens använder Bayes teorem för att kombinera datainformation med andra kunskapskällor i en probabilistisk ansats. Denna s k aprioriinformation kan bestå av expertkunskap, tidigare studier eller andra datakällor, men även mer subjektiv information om graden av mjukhet i relationen mellan prediktorvaribler och en målvariabel i en flexibel prediktionsmodell. En bayesiansk ansats ger en kvantifiering av osäkerhet som kan användas för beslutfattande under osäkerhet.
Kursen innehåller flera matematiska övningstillfällen och datorlaborationer för att lära ut tillämpning av bayesianska metoder för: regression, klassifikation, regularisering, prediktion, optimala beslut, variabel- och modellval. Simuleringsmetoder som Markov chain Monte Carlo och Hamiltonian Monte Carlo är en viktig del av kursen; optimeringsbaserade approximationsmetoder som variational inference tas också upp.
-
Kursupplägg
Kursen läses på heltid, dagtid.
Undervisning
Undervisningen består av föreläsningar och övningar.
Examinator
Lärare på kursen vårterminen 2022
Kursansvarig
Du hittar Mattias mottagningstider i länken ovan. Det går bra att mejla Mattias och komma överens om en tid, om du vill träffas utanför mottagningstiden.
Övningslärare
-
Schema
Schema finns tillgängligt senast en månad före kursstart. Vi rekommenderar inte utskrift av scheman då vissa ändringar kan ske. Vid kursstart meddelar utbildningsansvarig institution var du hittar ditt schema under utbildningen. -
Kurslitteratur
Observera att kurslitteraturen kan ändras fram till två månader före kursstart. -
Kontakt
Lärare på kursen vårterminen 2022
Kursansvarig
Du hittar Mattias mottagningstider i länken ovan. Det går bra att mejla Mattias och komma överens om en tid, om du vill träffas utanför mottagningstiden.
Övningslärare
