Högskola och universitet hos Uppsala universitet, 7,5 högskolepoäng.
Kursen ger en fördjupad kunskap om teorin som ligger till grunden för statistisk inferens samt utgör en introduktion till grundläggande koncept inom maskininlärning.
Kursen behandlar likelihood-baserade metoder, asymptotisk teori, Bayesiansk statistik, Markov Chain Monte Carlo algoritmer, regulariserad regression, supportvektormaskiner, trädbaserade metoder, neuronnät, tränings-, validerings- och testdata, korsvalidering och optimering via gradientbaserade metoder. Samtliga metoder studeras både teoretiskt och praktiskt genom löpande övningstillfällen med fokus på både teori samt tillämpningar i R och inlämningsuppgifter med möjligheter till schemalagd handledning.