Statistisk maskininlärning

Lärandemål

Efter godkänd kurs ska studenten kunna:

• bedöma om ett tekniskt problem beskrivet utan specialiserad terminologi lämpar sig att formulera som ett övervakat (supervised) maskininlärningsproblem, och i så fall göra denna formulering
• strukturera och dela upp övervakade maskininlärningsproblem i hanterbara underproblem, formulera en matematisk lösning av respektive problem och implementera denna med hjälp av statistisk mjukvara
• använda och konstruera modeller för övervakad maskininlärning för att lösa klassificerings- och regressionsproblem
• beskriva de underliggande antagandena för övervakad maskininlärning och de begränsningar som följer av dessa, inklusive möjliga etiska och hållbarhetsmässiga konsekvenser
• analysera en modells kvalitet samt använda korsvalidering för modellselektion och modelljustering
• redogöra för viktiga principer för generalisering, inklusive avvägningen mellan bias och varians samt över- och underanpassning
• kritiskt granska och ge konstruktiv kritik på andras texter om maskininlärning.