Statistiska aspekter av djupinlärning

Statistiska aspekter av djupinlärning ges på engelska och du hittar mer information om kursen på den engelska versionen av denna sida.

Introduktion av såväl grundläggande som moderna koncept inom statistisk inlärning i form av articifiella neurala nätverk (djup inlärning), med tillämpningar i statistisk dataanalys. Begrepp som behandlas i kursen inkluderar feedforward-nätverk, regularisering och optimering av nätverk med många lager, faltningsnätverk, rekurrenta nätverk och valideringsmetoder. Vidare ges matematisk statistiska tolkningar av nätverk, såsom icke-linjär regression med olika länkfunktioner för responsvariabeln. Kursen innehåller också vissa av följande ämnen; autoencoders, representationsinlärning, djupliggande generativa metoder, samt informationsteoretiska koncept inom djup inlärning.







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.


Observera att kurslitteraturen kan ändras fram till två månader före kursstart.


Kursrapporter visas för de tre senaste kurstillfällena.









Vi använder kakor

Genom att tillåta tjänster från tredje part accepterar du deras cookies och användningen av spårningsteknologier som är nödvändiga för att de ska fungera korrekt.