Matematik för Artificiell Intelligens II

Kursen består av två moduler som ger matematiska förkunskaper för tekniska tillämpningskurser inom maskininlärning och artificiell intelligens.

Modul 1: Statistik och sannolikhetslära (7,5 hp)

I modulen behandlas grundläggande sannolikhets- och statistikteori. Nyckelbegrepp är slumpförsök, utfall och händelser, sannolikhetsfunktion, betingad sannolikhet, slumpvariabler, standardfördelningar (t.ex. Poisson-, exponential- samt normalfördelning), läges- och spridningsmått, punkt- och intervallskattningar samt hypotestest för normalfördelade populationer.

Modul 2: Optimering (7,5 hp)

I modulen behandlas linjär och icke-linjär optimering med och utan bivillkor. Nyckelbegrepp är Taylorserier, nödvändiga och tillräckliga villkor för optimalitet, konvergens, Newtons metod, gradientfria metoder samt stokastiska gradientnedstigningsmetoder.

Fördjupningsnivå: G1F (har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav)

Utbildningsnivå: Grundnivå

Behörighetskrav: 7,5 hp från Matematik för Artificiell Intelligens I, 15 hp. Motsvarandebedömning kan göras.

Kursen ingår i följande program

• Artificiell intelligens - Kandidatprogram i datavetenskap (läses år 2)