Maskininlärning

Täcker grundläggande begrepp inom statistisk inlärning och maskininlärning. Den inkluderar ämnen som linjär regression, klassificeringsmetoder, återprovsmetoder, modellval och reglering, icke-linjära modeller, trädbaserade metoder, supportvektormaskiner, oövervakad inlärning och mer. Kursen ger en omfattande introduktion till de teoretiska och praktiska aspekterna av statistisk inlärning, med fokus på verkliga tillämpningar och exempel. Den inkluderar också ML relaterade övningar i programmeringsspråk R och Python för att förstärka lärandet och underlätta praktisk implementering av de diskuterade koncepten. Sammantaget fungerar den som en värdefull resurs för studenter, forskare och praktiker som är intresserade av statistisk inlärning och dess tillämpningar inom olika områden.