Statistiska aspekter av djupinlärning

Om utbildningen

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.

Behörighet

För tillträde till kursen krävs kunskaper motsvarande kurserna Sannolikhetsteori II, 7,5 hp (MT5002), Statistisk inferensteori, 7,5 hp (MT5003), Programmeringsteknik för matematiker, 7,5 hp (DA2004). Engelska B/Engelska 6.

Rekommenderade förkunskaper: uh

Alla tillfällen (1)

Liknande utbildningar

• Statistik: Deep learning och metoder för artificiell intelligensUniversitet/högskola
• Statistisk inlärningUniversitet/högskola
• Statistisk inlärning med högdimensionella dataUniversitet/högskola
• Matematiska strukturer hos djupa neurala nätverkUniversitet/högskola