Faglig innhold

Emnet foreleses normalt hvert annet år, og bare dersom et tilstrekkelig antall interesserte melder seg. Foreleses neste gang våren 2021. Dersom det melder seg få studenter, vil kurset gis som ledet selvstudium.

Emnet gir en bred innføring i grunnleggende prinsipper og metoder for statistisk inferens og prediksjon. Sammen med emne MA8704 Sannsynlighetsteori og asymptotiske teknikker danner det en teoretisk basis for doktorgradsstudenter innen statistikk.

Innholdet omfatter følgende: Introduksjon til "supervised" læring. Lineære metoder for regresjon og klassifikasjon. Ekspansjoner og regularisering. Metoder for kjerneglatting. "Likelihood"-teori og asymptotiske metoder. Modellestimering, modellvurdering og modellvalg. Empiriske Bayes-metoder.

Læringsutbytte

1. Kunnskap.
Emnet gir en bred innføring i grunnleggende prinsipper og metoder for statistisk inferens og prediksjon. Sammen med emnet MA8704 Sannsynlighetsteori og asymptotiske teknikker danner det en teoretisk basis for doktorgradsstudenter innen statistikk. Innholdet omfatter følgende: Introduksjon til "supervised" læring. Lineære metoder for regresjon og klassifikasjon. Ekspansjoner og regularisering. Metoder for kjerneglatting. "Likelihood"-teori og asymptotiske metoder. Modellestimering, modellvurdering og modellvalg. Empiriske Bayes-metoder.


2. Ferdigheter.
Studentene vil lære om og bli i stand til å bruke grunnleggende teknikker i moderne statistikk (statistisk "læring"). Det legges spesiell vekt på moderne metoder for analyse av store datamengder ("data mining"), både ved parametriske og ikke-parametriske metoder; empiriske Bayes-metoder; samt valg av modell og beregning av asymptotiske egenskaper ved metoder.

3. Kompetanse.
Studentene vil være i stand til å delta i vitenskapelige diskusjoner og utføre forskning innen statistikk på høyt internasjonalt nivå. De vil være i stand til å delta i anvendte prosjekter innen statistiske metoder og til å anvende sine kunnskap på problemer i teoretisk statistikk.

Læringsformer og aktiviteter

Forelesninger, evt. som ledet selvstudium.

Obligatoriske aktiviteter

• Arbeider

Spesielle vilkår

Anbefalte forkunnskaper

TMA4267 Lineære statistiske modeller, TMA4295 Statistisk inferens, TMA4300 Beregningskrevende statistiske metoder, eller tilsvarende kunnskaper.

Kursmateriell

The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition (Springer Series in Statistics, 2009) by Trevor Hastie, Robert Tibshirani, and Jerome Friedman.