Statistiska aspekter av djupinlärning

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.