Inlärning från data

Lärandemål

• utföra vetenskaplig dataanalys genom att utnyttja grundläggande koncept i Bayesiansk statistik tillsammans med kunskap kring vanligt förekommande statistiska fördelningar.
• kunna förklara centrala aspekter hos Monte Carlo-metoder och Markovkedjor, samt tillämpa dessa för att numeriskt sampla multivariata sannolikhetsfördelningar.
• kritiskt granska och kvantifiera osäkerheter hos modellparametrar från en statistisk analys av experimentell data; jämföra teoretiska modeller utifrån ett Bayesianskt synsätt.
• förstå och numeriskt implementera flera grundläggande algoritmer som används inom dataanalys och maskininlärning, som linjära regressions- och klassificeringsmetoder, enkla neurala nätverk och gaussprocesser.
• använda python för vetenskaplig dataanalys med statistiska inferensmetoder och för maskininlärning, samt för att visualisera resultat.
• skriva välstrukturerade tekniska rapporter där resultat och slutsatser från en vetenskaplig dataanalys presenteras klart och tydligt.
• vidhålla ett vetenskapligt och etiskt arbetssätt i processen att analysera data och att skriva datorprogram.