Modern statistics and simulation in Action / Modern statistik och simulering i action

// sidan är under uppbyggnad, 240506 //

The course offers both a theoretical and practical basis of modern statistics and simulation as required by data-driven challenges currently arising in technology and society.  You will have access to experienced lecturers that also hold a strong research expertise. Knowledge will be shared and plenty of opportunities for feedback will be given.

Kursen erbjuder både en teoretisk och praktisk grund för modern statistik och simulering som krävs av datadrivna utmaningar som idag uppstår inom teknik och samhälle. Du kommer att ha tillgång till erfarna föreläsare som också har en stark forskningsexpertis. Kunskap kommer att delas och många tillfällen till feedback ges.

Kursen ges på engelska och webbsidan här är därför på engelska, och vissa stycken har översatts.

Target audience and purpose

The course is suitable for employees in the private sector enjoying working with data and visualization techniques. Whether you already have practical experience with data handling and statistical methods but want to get a more solid theoretical foundation and gain insight into the latest trends, or if you are new to the field and feel that you need a solid theoretical and practical foundation to stand on, the course fits to you.

Implementation

The training is carried out at low pace during the fall semester, with lectures via zoom. You will be supported in implementing your new knowledge through personal coaching on three occasions. You may work on your own data and problems. You may use whatever programming language you want, otherwise we will be using Python and R.

The course is adapted to your needs, ensuring value for you and your business. The lectures are given together with students and are in English. Both group and individual assignments will be used. The coaching will take place on individual basis.

Course content

Module 1: Statistical data analysis

Theory
Probability, conditional probability, Bayes' theorem, discrete and continuous random variables, probability function, distribution function, density function, averages, dispersion measures, multidimensional random variables, dependence measures.

Practice
Data processing with programming or statistical software, data reduction, sparsity and compression, principal component analysis, cluster analysis, machine learning.

Module 2: Statistical inference

Theory
Random sample, sample distributions (t and F distributions), methods for parameter estimation (least squares method, maximum likelihood method), calculation of point and interval estimates for relevant parameters, variance analysis (ANOVA) and variance reduction.

Practice
Inverse transform sampling, implementation of parameter estimates with controlled variance, comparison of estimates based om maximum likelihood method (or other methods for parameter estimation) and estimates based on machine learning.

Course structure

The course will be divided into two parts:

  • lectures, where we cover theoretical ideas and concepts
  • practical implementations and vizualizations, where we focus on problem solving.

References

G. Casella, R. Berger, (2002). Statistical inference (2nd). Duxbury Press
S. L. Brunton, J.L. Nathan Kutz (2022). Data-driven Science and Engineering: Machine Learning, Dynamical Systems, and Control (2nd). Cambridge University Press

Lecturers

Adrian Muntean, prof. dr. habil., has a strong background in mathematical modeling and simulation of real-world processes, specialized in industrial mathematics.

Grigor Nika, dr., is a researcher in applied analysis and a dedicated teacher passioned about statistics.

Nicklas Jävergård, MSc,  is a physicist by training with strong background in scientific computing. Nicklas is a PhD student in applied mathematics and likes playing with data.

 

TREFFEKT® - KOMPETENSUTVECKLING MED EFFEKT

Kunskap har bara ett värde om den används. Vårt varumärke Treffekt® innebär att vi är tre parter; Karlstads universitetet, du som deltagare och din chef/organisation som tillsammans skapar förutsättningar för att kunskapen från utbildningen kan omsättas i praktiken och ge avtryck i er verksamhet. I Treffekt® utgår vi från de faktorer som forskningen visar är de viktigaste för ”transfer of learning” d.v.s hur kunskap från en utbildning omsätts i praktiken.

Inbjudan till Treffekt®-dialog skickas automatiskt till den chef som anges i kursens anmälningsformulär. Inbjudan till Treffekt®-dialog skickas automatiskt till den chef som anges i kursens anmälningsformulär. Den första Treffekt®-dialogen hålls inför kursstart och den andra genomförs efter sista kurstillfället. 

KURSKOSTNAD OCH ANMÄLAN

Kurskostnaden och vad som ingår anslås när anmälan startar. Fakturering sker i samband med kursstart. 

Kursen kan ta emot x deltagare men behöver minst x deltagare för att kunna starta. Vi förbehåller oss rätten att ställa in kursen vid för få deltagare och kontaktar er omgående. För att anmäla dig till kursen måste du ha en anställning i ett företag eller en organisation (ej enskild firma) där chefen godkänner ditt deltagande och vi skickar fakturan till företaget eller organisationen. Du kan inte läsa utbildningen som privatperson. Deltagande i utbildningen kräver inte tidigare högskole- eller universitetsstudier. Kursanmälan är bindande.