At sætte deltagerne i stand til at benytte statistik i en kontekst af kunstig intelligens og datavidenskab, forstå og reflektere over de benyttede metoder, og anvende statistisk software. 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 i grupper. ANOVA, permutationtests, parametrisk og ikke-parametrisk bootstrapping, multiple sammenligninger, evalueringer baseret på hold-out og krydsvalideringsresultater. Implementation af visse metoder i statistisk software. Sammenligning og evaluering af statistiske metoder på simulerede og rigtige data. Opsummering af resultater i en rapport. 25. september, 2023