Denna kurs ger dig en statistisk allmänbildning i form av ett grundläggande statistiskt ordförråd. Du får en introduktion till några vanliga principer och metoder för att på ett adekvat sätt samla in, redovisa, analysera och tolka data. Kursen är indelad i tre delkurser: Delkurs 1: Grunder Delkurs 2: Statistisk analys och försöksplanering Delkurs 3: Undersökningsmetodik i teori och praktik De

Denna kurs ger dig en statistisk allmänbildning i form av ett grundläggande statistiskt ordförråd. Du får en introduktion till några vanliga principer och metoder för att på ett adekvat sätt samla in, redovisa, analysera och tolka data. Du får lära dig om olika typer av data samt om olika sätt som data kan samlas in på och. Vi tar upp olika sätt att visualisera data och olika typer av beskrivande

Kursen är indelad i två delkurser: Delkurs 1: Statistisk analys och försöksplanering Delkurs 2: Undersökningsmetodik i teori och praktik De två delkurserna löper parallellt under kursen. Delkurs 1: Statistisk analys och försöksplanering (10 hp) Många tänker säkert på kemister i vita rockar när man hör ordet ”experiment”. Men experiement utförs inom nästan alla ämnen och är kanske&n

Kursen behandlar bayesianska metoder, introducerar programvara som understödjer analysen och presenterar tillämpningar inom olika områden. Den inleds med en genomgång av betingade sannolikheter och Bayes sats. Begreppen subjektiv sannolikhet och likelihoodfunktion introduceras därefter. Den statistiska inferensen baseras på slumpmässiga stickprov och konjugerade a priori-fördelningar, inklusive a This course on Bayesian statistics covers methodology, major programming tools and applications in this field. The course starts with a review of conditional probability and Bayes’ Theorem. Introduction to the Bayesian approach will follow that includes discussing: subjective probability and likelihood function. Inference for populations is presented using random samples and conjugate priors, incl

Affärsanalys (”business analytics”) syftar på vår förmåga att samla in och använda data för att generera insikter om faktabaserat beslutsfattande. Kursen är avsedd för dig med grundläggande kunskaper i statistik, och innehållet i kursen kommer att vara av praktisk natur. Det omfattar metoder för data mining och affärsanalys och deras användning för att göra strategiska affärsbeslut. Kursen behandlAnalytics refers to our ability to collect and use data to generate insights for fact-based decision-making. The course is designed for students with a basic knowledge of statistics, and the content of the course will be of practical nature. It covers methods for data mining and business analytics and their usage in making strategic business decisions. It will concentrate on the modeling aspects o

På kursen kommer du att få lära dig teorin Grammar of Graphics för hur diagram och visualiseringar är uppbyggda. Du kommer också att få lära dig att själv skapa visualiseringar med hjälp av programmet R och paketet ggplot2. En central del av att skapa visualiseringar handlar om att göra val. Genom dina val kan du göra en visualisering mer eller mindre lätt att tolka och också framhäva olika aspektIn this course, you will learn how to construct graphs and visualisations according to the theory Grammar of Graphics. You will also learn how to create visualisations yourself using the software R and its package ggplot2. A central part of creating visualisations is making choices. Through the choices you make, your visualisation will be more or less intelligible and also highlight different

Under kursen kommer du att studera statistikens tre grundläggande delar: Sannolikhetsteori Skattningsteori Testteori Genom hela kursen kommer begreppet fördelning att vara centralt. I sannolikhetsläran utgör de kontinuerliga fördelningarna och diskreta fördelningar med oändliga utfallsrum en viktig del. Du kommer vidare att öva mycket på att bestämma väntevärden och varianser. Inom ska

Under kursen studeras enkel linjär och multipel regression. Du kommer att lära dig hur modellerna skattas, vilka egenskaper skattningarna har och hur man kan dra slutsatser utifrån skattningarna. Stor vikt läggs vid att validera modellerna. Detta sker främst med hjälp av grafiska analysmetoder. Du kommer att lära dig hur man kan hantera olika typer av avvikelser, t.ex. korrelerade feltermer. Dessu

I den här kursen får du lära dig att programmera från grunden. Du kommer att få lära dig allmänna principer inom programmering som olika datatyper, programflödesstyrning (t.ex. loopar och villkorsatser) samt hur man strukturerar program med funktioner och klasser. Dessutom kommer du att få lära dig programmering som är mer specifikt inriktad på statistik och ofta bygger på att generera slumptal. E

Denna kurs utgörs av att du skriver en vetenskaplig uppsats i mindre grupp eller enskilt. Syftet är att du ska tränas i att självständigt använda dig av de kunskaper och erfarenheter som du tillägnat digpå tidigare kurser i statistik, genom att belysa en övergripande frågeställning eller problem. Du väljer själv vad du vill skriva om och får handledning under kursens gång. Uppsatsen presenteras vi

Under kursen kommer du att fördjupa dig i statistikens tre grundläggande delar: Sannolikhetsteori Skattningsteori Testteori Inom sannolikhetsteori kommer du särskillt behandla teorin för kontinuerliga slumpvariabler, transformationer av flerdimensionella variabler, väntevärdesberäkningar medelst Gaussapproximation och viktiga gränsvärdessatser med utnyttjande av teknik för momentgenerer

Kursen behandlar olika typer av tidsserier och slumpprocesser med utgångspunkt från begrepp som stationäritet och icke-stationäritet. Tyngdpunkten ligger på univariat tidsserieanalys baserat på sannolikhetsmodeller, s.k. ARIMAX eller Box-Jenkins modeller. Stor vikt läggs vid identifiering av olika modellkomponenter och deras statistiska egenskaper med hjälp av en renodlad teoretisk ansats med utgå

I den här kursen ska du skriva ett särskilt arbete, vilket kan vara ett allmänt utredningsarbete eller ett arbete rörande en specifik problemställning eller forskningsfråga. Med hjälp av dina tidigare kunskap och erfarenhet i ämnet statistik, tränas du i att självständigt behandla ett problemområde.   Utöver att skriva en uppsats kommer du att muntligt presentera arbetet vid ett seminarium,In this course you will write a special assignment, which could consist of a general investigation, a more specific problem, or a research topic. Using your previous skills and knowledge in Statistics, you will be trained in independently investigating a problem. Apart from writing a thesis you will orally present your work during a seminar, attend and participate in discussions during seminars

Grunderna för maskininlärning samt de matematiska och beräkningsmässiga förkunskaperna för deep learning. Feed-forward artificiella neuronnät, convolutional artificiella neuronnät och de återkommande kopplingarna till feed-forward artificiella neuronnät. En kort historik över artificiell intelligens och artificiella neuronnät, samt genomgång av intressanta olösta forskningsproblem inom deep The fundamentals of machine learning, and the mathematical and computational prerequisites for deep learning Feed-forward neural networks, convolutional neural networks, and the recurrent connections to a feed-forward neural network A brief history of artificial intelligence and neural networks, and reviews interesting open research problems in deep learning and connectionism. The course

I den här kursen får du lära dig modern statistisk datoranvändning inom data science genom implementeringar i populära programspråk såsom R och Python. Den behandlar följande ämnen: R- och Python-miljöerna: paket och moduler för statistik Arbeta med data frames, arrays och matriser Metoder för slumptalsgenerering Monte Carlo-integration, inferens och variansreducering Bootstrap och återsamplIn this course you will learn modern statistical computing as viewed in data science through implementations in popular computing platforms such as R and Python. It covers the following topics: The R and Python environment: R packages and Python modules for statistics Working with Data Frames, Arrays, and Matrices Methods for Generating Random Variables Monte Carlo Integration, Inference and

Kursen ger en introduktion till statistisk analys av text. Du kommer att studera både metoder som bygger på både klassiska statistiska ansatser (inklusive Bayesianska modeller) och moderna ansatser som djupinlärning (recurrent neural networks). Ämnen som behandlas är bl.a. Olika sätt att representera text så att informationen går att analysera på ett statistiskt vis Tekniker för att klassifiThe course provides an introduction to statistical analysis of text. You will study both methods based on classic statistical approaches (including Bayesian models) and modern approaches such as deep learning (recurrent neural networks). Topics covered include Different ways to represent text to facilitate statistical analysis Techniques for classification fo text Text clustering Techniq

Maskininlärning handlar om statistiska prediktioner som förbättras genom erfarenhet; modellen lär och anpassar sig allt eftersom nya data blir tillgängliga. Exempelvis priset som en matvarubutik kan ta ut av en leverantör för en annons beror på hur bra den är på att hitta de kunder som är benägna att köpa leverantörens produkter. På samma sätt är det pris som Google kan ta ut för en annonslänk dirMachine learning refers to statistical model predictions that that improve through experience; as new data arrive, the model learns and adapts. For instance, the price that the supermarket can charge for advertisements depends critically on its ability to learn from the data which customers that are likely prospects for a particular supplier’s product. Similarly, the price that Google can charge f

I denna kurs får du lära dig maskininlärningsmetoder som är relevanta för tillämpningar inom företags- och nationalekonomi. Kursen utgör en fortsättning på STAN51 Maskininlärning ur ett regressionsperspektiv. Några av delmomenten i kursen är bootstrapmetoder, ensemblemetoder såsom boosting och slumpskogar, metoder för oövervakad inlärning såsom principalkomponentanalys och klustermetoder, samt tiThis course covers advanced machine learning methods that are relevant for applications in business and economics, and is intended as a continuation of STAN51 Machine Learning from a Regression Perspective. Some of the topics covered include bootstrapping, ensemble methods such as boosting and random forests, unsupervised machine learning methods such as principal components analysis and clusteri

Kursen behandlar bland annat matriser och multivariat normalfördelning singulärvärdesuppdelning och dess geometriska tolkning principalkomponentanalys inklusive dess funktionalformulering faktoranalys klusteranalys prediktionssteori inklusive prediktion med högdimensionella prediktorer penalised regression och prediktion glesa matriser linjär diskriminantanalys storskalig infThe course covers matrices and multivariate normal distribution singular value decomposition and its geometric interpretation principal component analysis including its functional formulation factor analysis cluster analysis prediction theory including prediction with high-dimensional predictors penalised regression and prediction sparse matrices linear discriminant analysis

I den här kursen ska du skriva ett examensarbete, vilket kan vara ett arbete rörande en specifik problemställning eller forskningsfråga. Med hjälp av din tidigare kunskap och erfarenhet i ämnet statistik, tränas du i att självständigt behandla ett problemområde.   Utöver att skriva en uppsats kommer du att muntligt presentera arbetet vid ett seminarium, att närvara och deltaga i diskusIn this course you will write a thesis, which could consist of a specific problem or a research topic. Using your previoius skills and knowledge in Statistics, you will be trained in independently investigating a problem. Apart from writing a thesis you will orally present your work during a seminar, attend and participate in discussions during semiars, and act as an opponent during a pre