====== Machine learning 2013 ======
===== Cele kursu =====
Celem kursu jest przekazanie najistotniejszych wiadomości związanych z problemami i metodami uczenia maszynowego w wymiarze logicznym, geometrycznym i probabilistycznym.\\
Kurs opiera się na usystematyzowanym przeglądzie podstawowych metod i algorytmów z poszczególnych grup.

===== Podręczniki =====
  * [FLA] [[http://www.cs.bris.ac.uk/~flach|Peter Flach]] [[http://www.cs.bris.ac.uk/~flach/mlbook/|Machine Learning. The Art and Science of Algorithms that Make Sense of Data]], Cambridge University Press, 2012.
  * [TML] [[http://www.cs.cmu.edu/~tom/|T. Mitchell]], //[[http://www.cs.cmu.edu/~tom/mlbook.html|Machine Learning]]//, McGraw Hill, 1997.

Uzupełniająco:
  * [CMB] [[http://research.microsoft.com/en-us/um/people/cmbishop/|Christopher M. Bishop]] //[[http://research.microsoft.com/en-us/um/people/cmbishop/prml/|Pattern Recognition and Machine Learning]]//, Springer, 2007.
  * [CIH] [[http://www.ise.pw.edu.pl/~cichosz|Paweł Cichosz]], //[[http://www.ise.pw.edu.pl/~cichosz/SU/|Systemy uczące się]]//, WNT, 2000.
  * [FCA] [[http://www.cs.ubc.ca/~poole/|D. Poole]], [[http://www.cs.ubc.ca/~mack|A. Mackworth]], //[[http://artint.info|Artificial Intelligence: Foundations of Computational Agents]]//, Cambridge University Press, 2010, **[[http://artint.info/html/ArtInt.html|ONLINE]]**

Źródła ćwiczeń:
  * [ANG] [[http://www.cs.stanford.edu/people/ang/|Andrew Ng]] [[https://www.coursera.org/course/ml|Coursera: Machine Learning]]
  * [ZMV] [[http://www.cs.ccsu.edu/~markov/|Z. Markov]], //[[http://www.cs.ccsu.edu/~markov/ccsu_courses/MachineLearning.html|CS570 - Topics in AI: Machine Learning]]//, oraz //[[http://www.cs.ccsu.edu/~markov/ccsu_courses/mlprograms/|Machine Learning Programs and Laboratory Experiments in Prolog]]//, 2003.

===== Ramowy plan wykładu =====
  - Wstęp: zadania uczenia: [FLA:1]
  - Klasyfikacja problemów uczenia [FLA:2,3]
  - Uczenie pojęć i drzew decyzyjnych [FLA:4,5] [[http://www.aispace.org/dTree/index.shtml|AIS:Decision Trees]]
  - Uczenie drzew i reguł decyzyjnych [FLA:6]
  - Repetytorium: [[mlrep1|części 1-3]] i [[mlrep2|części 4-6]] -- oba na podstawie [[http://www.cs.bris.ac.uk/~flach/mlbook/materials/mlbook-beamer.pdf|slajdów z podręcznika P. Flacha]]
  - Kolokwium z lab
  - Wybrane modele liniowe [FLA:7] regresja liniowa, perceptron, SVM, kernele, [[mlrep3|części 7-8]]
  - Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, dendogramy, [[mlrep3|części 7-8]]
  - Wybrane modele probabilistyczne [FCA] [[http://artint.info/html/ArtInt_138.html|6]], [[http://artint.info/html/ArtInt_196.html|7.8]]
  - Systemy rekomendujące: [[http://www.recommenderbook.net/|Recommender Systems - An Introduction]], [[http://www.recommenderbook.net/teaching-material/tutorial-slides|tutorial]]
  - Narzędzia do ML, SBK, FIXME
  - ML a IR: [[http://nlp.stanford.edu/IR-book/html/htmledition/irbook.html|Introduction to Information Retrieval]], [[http://www.dcs.bbk.ac.uk/~dell/teaching/ir/|slajdy do kursu]]
  - Przegląd i podsumowanie
  - Wykład zaproszony x2: [[http://www.kde.cs.uni-kassel.de/atzmueller|Martin Atzmüller]]: (1) Subgroup discovery & (2) Community mining



===== Ramowy plan laboratorium =====
Adres serwera: charon.kis.agh.edu.pl

  - [[.:lab1|Laboratorium 1]] - Wprowadzenie do Octave (2013-02-27)
  - [[.:lab2|Laboratorium 2]] - Uczenie pojęć (2013-03-06)
  - [[.:lab3|Laboratorium 3]] - Drzewa decyzyjne (2013-03-13)
  - [[.:lab4|Laboratorium 4]] - Regresja Liniowa (2013-03-20)
  - [[.:lab5|Laboratorium 5]] - Regresja Logistyczna (2013-03-27)
  - [[.:lab6|Laboratorium 6]] - Sztuczne sieci neuronowe (2013-04-03, 10)
  - [[.:lab6|Laboratorium 7]] - Sztuczne sieci neuronowe (2013-04-10)
  - [[.:lab8|Laboratorium 8]] - Bias/Variance (2013-04-15)
  - [[.:lab9|Laboratorium 9]] - Support Vector Machines
  - [[.:lab10|Laboratorium 10]] - Klasteryzacja
  - [[.:lab11|Laboratorium 11]] - Systemy rekomendacyjne i detekcja anomalii (15-05-2013)
  - [[.:lab12|Laboratorium 12]] - Sieci Bayesowskie - wprowadzenie (22-05-2013)
  - [[.:lab13|Laboratorium 13]] - Sieci Bayesowskie  (29-05-2013)
  - **Kolokwium z laboratoriów 8-13** (05-06-2013)

===== Egzamin =====
  * I Termin: 24 czerwca (poniedziałek) 16:00-17:00, C2 429
  * II Termin: 1 lipca (poniedziałek) 15:00-17:00, C2 429
  * III Termin: 3 września (wtorek) 10:00-12:00, C2 429 - poprawkowy