Efter avslutad kurs ska doktoranden kunna:
• Välja lämpliga statistiska modeller och metoder för dataanalys av praktiska pro-blem baserat på välgrundade argument, särskilt när den underliggande datagenere-rande mekanismen är okänd.
• Använda olika statistiska inlärningsalgoritmer (både övervakat och oövervakat lä-rande) på praktiska problem.
• Utvärdera och optimera inlärningsmodellernas och algoritmernas prestanda samt kommunicera modellens/algoritmens förväntade osäkerhet.
• Kombinera olika modeller för att uppnå högre prediktiv noggrannhet.
• Tillämpa neurala nätverk för problemlösning i reella fall.
• Göra jämförande analys, både teoretiskt och empiriskt, för att avgöra vilket
neuralt nätverk som är bäst lämpat för ett visst problem.
• Designa olika typer av neurala nätverk, utvärdera deras prestanda och
använda dem för att lösa komplexa problem.
• Använda deep learning för problemlösning i reella fall.
Är du intresserad av att läsa någon av Högskolan Dalarnas forskarutbildningskurser, kontakta Märet Brunnstedt, Samordnare forskarutbildning.
På du.se använder vi kakor (cookies) för att ge dig en bra upplevelse på vår webbplats. Med hjälp av webbanalys kan vi anpassa webbplatsen ytterligare. Genom att surfa vidare godkänner du att vi använder kakor.