TILP2600 Datasta malliksi (5 op)
Kuvaus
Opintojakso keskittyy tilastolliseen mallintamiseen ja estimointiin. Yhden selittäjän lineaarisesta regressiomallista edetään monen selittäjän regressiomalliin ja mallin valintaan. Estimointiin liittyvää epävarmuutta kuvataan otantajakauman ja luottamusvälien avulla. Opintojakson lopuksi tutustutaan Bayes-tilastotieteen ja koneoppimisen perusasioihin.
Osaamistavoitteet
Opintojakson menestyksellisesti suorittanut:
- tunnistaa dataa luovia prosesseja ja tuntee erilaisia aineistotyyppejä, esimerkiksi teksti, kuva ja ääni
- ymmärtää mallintamisen erilaiset tavoitteet: ennustaminen, kausaalipäättely ja selittäminen
- tuntee odotusarvon ja varianssin käsitteet ja normaalijakauman perusominaisuudet
- osaa sovittaa lineaarisen mallin yksinkertaisessa sovellustilanteessa ja tulkita mallia.
- tuntee monen selittäjän lineaarisen regressiomallinnuksen periaatteet (pienimmän neliösumman menetelmä)
- osaa tutkia mallin sopivuutta dataan ja valita regressiomallin selittäjät mallintamisen tavoitteen mukaisesti
- ymmärtää satunnaisvaihtelun merkityksen ja otantajakauman roolin tilastotieteessä
- osaa määrittää luottamusvälin ja tulkita tuloksia
- tuntee tilastollisen testaamisen periaatteet ja osaa tulkita testien tuloksia
- ymmärtää Bayes-tilastotieteen perusidean
- ymmärtää, miten koneoppiminen on perustaltaan tilastotiedettä
Lisätietoja
Lectures are given in Finnish. Please contact the examiner well before the exam by email, to get the chapters that are included in the exam.
Esitietojen kuvaus
TILP2400 Datan esittäminen ja analysointi
tai TILP2500 Data ja mittaaminen, TILP250 Tilastotieteen peruskurssi 1, tai TILP150 Tilastomenetelmien peruskurssi
Oppimateriaalit
The exams for foreign students are based on book Moore & McCabe (& Craig): Introduction to the practice of statistics. Please contact the examiner well before the exam by email, to get the chapters that are included in the exam.