Sök

Bayesiansk statistik för maskininlärning

3 hp

Kursen är uppdelad i:

  • Grundläggande Bayesianska begrepp
  • Att välja priors, och härleda grundläggande ekvationer
  • Bayesiansk inferens, Parametrisk modell-estimering
  • Samplings-baserade metoder
  • Sekventiell inferens (Kalman-filter, partikelfilter)
  • Approximativ inferens, ”variational inference”
  • Modellval, saknade data
  • Bayesianska djupa neurala nätverk


    The course is broken down into:
  • Basic Bayesian concepts
  • Selecting priors, deriving some equations
  • Bayesian inference, Parametric model estimation
  • Sampling based methods
  • Sequential inference (Kalman filters, particle filters)
  • Approximate inference, variational inference
  • Model selection (missing data)
  • Bayesian deep neural networks

HT 2022 (Distans (Internet), Ortsoberoende, 17%)

Nivå:

Avancerad nivå

Anmälningskod:

13201

Behörighetskrav:

Kandidatexamen i datateknik eller Högskoleingenjörsexamen i datateknik inklusive 5 hp statistik och 5 hp maskininlärning. Engelska 6.

Urvalsregler:

Högskolepoäng: 100%

Mer information om urvalsregler.

Startvecka:

Vecka: 35

Obligatoriska sammankomster:

0

Undervisningstid:

Blandade tider

Studieavgift:

För sökande med medborgarskap utanför EU/EES och Schweiz: Mer information om studieavgift

Undervisningsspråk:

Undervisningen bedrivs på engelska.

Visa utbildningsinfo

Sidansvarig

Dela