Inlärning av statistiska modeller – principer och begränsningar

Docentföreläsning i ämnet elektroteknik med inriktning mot signalbehandling.

Statistiska modeller används inom en rad olika områden för att fatta beslut med hjälp av data. I praktiken lär sig en dator en modell utifrån från en specificerad klass av möjliga modeller. Denna föreläsning kommer att introducera några av de grundläggande principerna för både inlärning av statistiska modeller och beslutsfattande under osäkerhet: Vad innebär egentligen inlärning och vad händer när datorn får tillgång till mer data? Finns det några begränsningar för de beslut som följer av datorns inlärda modell? Hur kan vi avgöra om klassen av möjliga modeller är rimligt vald?

Föreläsningen, som är ett lärarprov för den som ansökt om att bli antagen som docent, ska kunna följas av studenter och andra med kunskaper på grundutbildningsnivå inom ämnet, men kan även vara av intresse för en bredare publik. Föreläsningen varar 45 minuter med efterföljande frågestund och diskussion och kommer att ges på svenska.