At sætte deltagerne i stand til at anvende statistiske og kvantitative metoder til evaluering af AI- og datavidenskabelige modeller, fortolke og reflektere over de anvendte statistiske og kvantitative metoder og være i stand til at anvende kodningsværktøjer til dette. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Opstille passende statistiske modeller og diskutere anvendelsen heraf, til evaluering af AI systemer og praktiske problemer, som involverer data.
• Forstå matrixformuleringen af simple statistiske modeller
• Forstå, diskutere og teste for interaktionseffekter i statistiske modeller.
• Forstå og diskutere antagelserne bag statistiske modeller .
• Forstå og anvende parametriske og ikke-parametriske tests.
• Udføre estimering, hypotese test, og prædiktion vha simple statistiske modeller og passende software.
• Evaluere estimater for modelgeneralisering.
• Opstille og evaluere A/B tests.
• Anvende resamplingsmetoder til evaluering af statistiske estimatorer
• Anvende og diskutere mål for bias og fairness i kunstig intelligens
• Fortolke output fra statistisk software.
• Formidle statistiske resultater i en rapport til personer uden statistisk baggrund.

Forelæsninger og øvelser efterfulgt af projektarbejde udført i grupper. ANOVA, permutationstest, multiple sammenligninger, parametrisk og ikke-parametrisk bootstrapping, A/B-test, grundlæggende principper for fixed- og mixed-effects-modeller og Iten-response-teori, evaluering af ydeevne baseret på hold-out og krydsvalideringsresultater. Implementering af nogle metoder i Python. Sammenligning og evaluering af statistiske metoder på simulerede og reelle data. Opsummering af resultater i en rapport. 04. maj, 2026