Maskininlärning

I denna kurs lär du dig att formulera och strukturera lösningar på praktiska maskininlärningsproblem, identifiera och estimera lämpliga maskininlärningsmodeller för prediktion och klustring, utvärdera och välja bland olika maskininlärningsmodeller och algoritmer och att implementera maskininlärningsmodeller och algoritmer i ett programmeringsspråk.

Kursen ger dig kunskap inom maskininlärning som används inom marknadsföring, finans, nationalekonomi, textanalys inom digital humaniora och samhällsvetenskap.

Du får även lära dig övervakad och oövervakad maskininlärning samt semiövervakad och aktiv inlärning. Kursen tar upp flexibel regression och klassificering, regularisering, metoder för prediktiv modellutvärdering, Gaussiska processer, klustringsalgoritmer och mixture models.

Kursen läses på heltid, dagtid.

Kursen ingår i Masterprogrammet i statistik men kan även läsas som en fristående kurs.


Undervisning

Undervisningen består av föreläsningar och datorlaborationer.

Kursinformation

Course description fall 2025 pdf, 220 kB. (223 Kb)

Övrig information för registrerade studenter finns på Athena.

Lärare höstterminen 2025

Dan Hedlin

Du hittar lärarnas mottagningstider i länken ovan. Det går bra att mejla och komma överens om en tid, om du vill träffa din lärare utanför mottagningstiden.

Examination

Kunskapskontrollen sker genom skriftliga prov, individuellt och i grupp.


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.








Lärare höstterminen 2025

Kursansvarig

Dan Hedlin

Du hittar lärarens mottagningstider i länken ovan. Det går bra att mejla och komma överens om en tid, om du vill träffa din lärare utanför mottagningstiden.

Om du har frågor kring att studera vid Statistiska institutionen, Stockholms universitet, kontakta vår studie- och karriärvägledare.

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.