MATA2500 Information Theory (5 cr)

Study level:
Intermediate studies
Grading scale:
0-5
Language:
Finnish
Responsible organisation:
Department of Mathematics and Statistics
Curriculum periods:
2024-2025, 2025-2026, 2026-2027, 2027-2028

Tweet text

Informaatioteoria

Description

Opintojakson tarkoituksena on johdatella informaation käsitteen ja sen matemaattisen analysoinnin perusideoihin. Kurssin sisältö saattaa vaihdella hieman luentokertojen välillä, mutta suuntaa-antava sisältö on seuraava. 

  • Informaatiosisältö
  • Shannonin entropia
  • Endollinen entropia
  • Yhteisentropia
  • Kullback-Leibler -divergenssi 
  • Shannonin lähdekoodauslause
  • Diskreetin muistittoman kanavan kapasiteetti
  • Shannonin kanavakoodauslause
  • Hiukan koodausteoriaa                                                     

Learning outcomes

Opintojakson suorittamisen jälkeen opiskelija:

  • Tuntee ja osaa soveltaa informaatioteorian peruskäsitteitä, kuten entropia, kapasiteetti ja yhteisinformaatio.
  • Ymmärtää tiedonsiirron ja pakkauksen perusongelmat.
  • Ymmärtää mitä Shannonin lähde-ja kanavakoodauslauseet sanovat näistä perusongelmista.
  • Osaa soveltaa edellämainittuja lauseita yksinkertaisissa tapauksissa.          
  • Omaa hyvän ymmärryksen diskreeteistä satunnaismuuttujista.
  • Omaa karkean yleiskuvan informaatioteorian sovelluskohteista.
  • On tutustunut probabilistisiin olemassaolotodistuksiin.

Description of prerequisites

Opintojaksolla oletetaan, että opiskelija on käynyt jonkin todennäköisyysmatematiikan kurssin ja on tottunut todistamispohjaiseen matematiikkaan. 

Todennäköisyys: Esim. MATA2600 Todennäköisyysmatematiikka tai MATA280 Stokastiikan perusteet.

Matemaattinen kypsyys: Opiskelija hallitsee matemaattisen todistamisen perusteet. On esimerkiksi käynyt JMA:t ja Lineaarialgebran tai insinöörimatematiikan opintokokonaisuuden.

Jos on epäselvyyttä sopiiko opintojakso itselle voi ottaa yhteyttä vastuuopettajaan.

Study materials

The courses own lecture notes or, almost comparatively; David MacKay: Information Theory, Inference and Learning Algorithms, Sections 1-5 jand 8-10.

Completion methods

Method 1

Evaluation criteria:
Harjoitukset ja kurssitentti. Tarkemmat arviointiperusteet ilmoitetaan opetusohjelmassa.
Select all marked parts

Method 2

Select all marked parts
Parts of the completion methods
x

Participation in teaching (5 cr)

Type:
Participation in teaching
Grading scale:
0-5
Language:
Finnish

Teaching

x

Exam (5 cr)

Type:
Exam
Grading scale:
0-5
Language:
Finnish
No published teaching