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 - klicka på det lilla jordklotet till höger om kursnamnet.
Du kan även hitta den engelska versionen här
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.
Överlappande kurser
Denna kurs överlappar med kurserna Djupinlärning i Data Science (DA7064) och Maskininlärning (DA7063) som gavs för sista gången VT22. Kursen bör därför inte ingå i samma examen som DA7064, eller i samma examen som DA7063 om examen även innehåller Statistisk inlärning (MT7038).