TILS8000 Elements of statistical learning (5 op)
Osaamistavoitteet
Opiskelija
-osaa soveltaa lineaarisia ja ep盲lineaarisia regressio- ja luokittelumenetelmi盲
-tuntee l盲hestymistapoja mallien arviointiin ja mallin valintaan
-osaa soveltaa regularisointia ja tasoitusta
-tuntee ohjaamattoman oppimisen menetelmi盲
-osaa toteuttaa data-analyysin oikealla datalla
Suoritustavat
Kurssikoe, harjoitusteht盲v盲t ja harjoitusty枚
厂颈蝉盲濒迟枚
Kurssi antaa yleiskuvan nykyaikaisista tilastotieteen menetelmist盲 matemaattisesti suuntautuneelle opiskelijalle. P盲盲paino on ennustusmalleissa ja niiden suorityskyvyn arvioimisessa uusissa aineistoissa. Opintojakso l盲htee liikkeelle lineaarisista malleista ja etenee yleistettyihin additivisiin malleihin ja muiden ep盲lineaarisiin malleihin. Tasoitus, splinet ja regularisointi ovat t盲rke盲ss盲 roolissa. Menetelmi盲 sovelletaan todellisiin ja simuloituihin aineistoihin.
Oppimateriaalit
Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning, Second Edition. Springer, Berlin.
Saatavilla
Kirjallisuus
| ISBN-numero | Tekij盲, julkaisuvuosi, teoksen nimi, julkaisija |
|---|---|
| 978-0-387-84857-0 | Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning, Second Edition. Springer, Berlin. Available at http://statweb.stanford.edu/~tibs/ElemStatLearn/printings/ESLII_print10.pdf |
Arviointiperusteet
Arviointiin vaikuttavat menestys kurssitentiss盲 ja mahdollisesti aktiivisuus harjoitusteht盲vien tms. tekemisess盲 sek盲 harjoitusty枚st盲 suoriutuminen.
Esitietovaatimukset
todenn盲k枚isyyslaskenta, lineaarialgebra, vektoricalculus, ohjelmointi