Kursplan för Bayesiansk statistik

Kursplanen innehåller ändringar
Se ändringar

Kursplan fastställd 2020-03-24 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnBayesian statistics
  • KurskodSSY315
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPCOM
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeElektroteknik
  • InstitutionELEKTROTEKNIK
  • BetygsskalaTH - Fem, Fyra, Tre, Underkänd

Kurstillfälle 1

Kurstillfället är inställt. Kurstillfället ges enligt plan vartannat år. För frågor kontakta utbildningssekreteraren för
  • Undervisningsspråk Engelska
  • Anmälningskod 13112
  • Sökbar för utbytesstudenterJa

Poängfördelning

0114 Projekt 7,5 hp
Betygsskala: TH		 7,5 hp

I program

Examinator

Gå till kurshemsidan (Öppnas i ny flik)

Behörighet

Information saknas

Särskild behörighet

För kurser på avancerad nivå gäller samma grundläggande och särskilda behörighetskrav som till det kursägande programmet. (När kursen är på avancerad nivå men ägs av ett grundnivåprogram gäller dock tillträdeskrav för avancerad nivå.)
Undantag från tillträdeskraven: Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Kursspecifika förkunskaper

Ett godkänt betyg i kursen SSY130 Tillämpad signalbehandling, eller en liknande kurs, krävs för att få gå kursen. Detta innebär goda kunskaper inom sannolikhetslära, statistik och linjär algebra. Dessutom krävs grundläggande färdigheter i att programmera i MATLAB för att kunna lösa hemuppgifter och för att genomföra kursens projekt.

Syfte

Målet med den här kursen är att förse studenterna med ett antal viktiga verktyg för att kunna hantera estimerings och detekteringsproblem från ett rigoröst Bayesianskt perspektiv. Vi kommer beskriva den Bayesianska filisofin, fördelar och fallgropar med priors, oundvikliga beräkningsmässiga utmaningar samt klassiska och moderna beräkningsverktyg. Via hemuppgifter kommer studenterna få praktisk erfarenhet av en mängd olika verktyg och lära sig hur de kan användas I ett flertal olika tillämpningar.

Lärandemål (efter fullgjord kurs ska studenten kunna)

  • förklara filosofin bakom den Bayesianska statistiken samt beskriva dess fördelar jämfört med klassisk, frekventistisk, statistik.
  • utveckla estimatorer och detektorer baserat på Bayesiansk beslutsteori och en kostnadsfunktion
  • härleda fundamentala prestandagränser och beskriva när de är giltiga och användbara
  • välja en prior som både reflekterar våra förkunskaper och som är lämplig ur ett beräkningsperspektiv
  • designa samplingsmetoder för att fatta beslut och att beräkna integraler
  • förstå, förklara och tillämpa en mängd olika verktyg som exempelvis Laplaceapproximationer och ickeparametriska modeller som Gaussiska processer.

Innehåll

En övergripande beskrivning är att vi kommer behandla de viktigaste aspekterna av Bayesiansk statistisk som är en framstående metod för att fatta beslut av olika slag. Vi kommer gå igenom följande ämnen:
  • den Bayesianska filosofin
  • trolighetsfunktioner och dualitetsprinciper
  • Bayesiansk beslutsteori
  • konjugerande, ickeinformativa och hierarkiska a priorifördelningar
  • samplingsmetoder
  • Laplaceapproximationer och det Bayesianska informationskriteriet (BIC)
  • Bayesianska Cramér-Rao-gränser
  • algoritmer för att nå konsensus i distribuerade system
  • Ickeparametriska Bayesianska modeller

Organisation

Kursen innehåller föreläsningar, hemuppgifter samt övningspass kopplade till hemuppgifterna.

Litteratur

Vi kommer huvudsakligen att använda boken Christopher M. Bishop, "Pattern Recognition and Machine Learning", Springer, 2006

Examination inklusive obligatoriska moment

Det finns ingen skriftlig examen i den här kursen och de enda möjliga betygen är underkänt eller godkänt.

För att få godkänt måste studenterna:
  1. lämna in korrekta lösningar till tillräckligt många av hemuppgifterna
  2. rätta en annan grupps lösningar varje vecka
  3. presentera en forskningsartikel i slutet av kursen.
Ytterliga detaljer kommer ges på kurshemsidan

Kursplanen innehåller ändringar

  • Ändring gjord på kurstillfälle:
    • 2020-03-24: Inställd Ändrat till inställd av UOL
      [Kurstillfälle 1] Inställt
    • 2020-03-13: Examinator Examinator ändrat från Lennart Svensson (pale) till Alexandre Graell I Amat (graell) av Viceprefekt
      [Kurstillfälle 1]
  • Ändring gjord på gruppering i programplan:
    • 2020-03-24: Borttaget [Obligatoriskt valbara. - (EDA491, MCC046, MCC141, RRY056, RRY080, SSY098, SSY100, SSY115, SSY145, SSY150, SSY196, SSY205, SSY210, SSY315). Krav 1 kurs(er). I MPCOM Årskurs 1] SSY315 borttagen från gruppering av UOL