====== Machine learning 2015 ======
===== 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.
  * [DMW] [[http://www.cs.waikato.ac.nz/~ihw|Ian Witten]], [[http://www.cs.waikato.ac.nz/~eibe|Eibe Frank]], [[http://www.linkedin.com/in/mahall|Mark Hall]], //[[http://www.cs.waikato.ac.nz/ml/weka/book.html|Data Mining:
Practical Machine Learning Tools and Techniques]]//, 3rd edition, Morgan Kaufmann Publishers, 2011

Uzupełniająco:
  * [TML] [[http://www.cs.cmu.edu/~tom/|T. Mitchell]], //[[http://www.cs.cmu.edu/~tom/mlbook.html|Machine Learning]]//, McGraw Hill, 1997.
  * [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.
  * [KDA] [[http://www.cioslab.vcu.edu/index.html|Krzysztof Cios]] et al. //[[http://www.springer.com/computer/database+management+%26+information+retrieval/book/978-0-387-33333-5|Data Mining A Knowledge Discovery Approach]]//, Springer, 2007 [[http://www.cioslab.vcu.edu/Publications/DMBook/DMBook_Materials.htm|slajdy]]
  * [RSI] [[http://www.recommenderbook.net/|Recommender Systems - An Introduction]], [[http://www.recommenderbook.net/teaching-material/tutorial-slides|tutorial]]
  * [IIR] [[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]]
  * [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/|Zdravko 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.

Kursy on-line:
  * [[http://www.cs.waikato.ac.nz/~ihw|Ian Witten]], Data Mining with Weka: [[http://wekamooc.blogspot.com/]] [[https://weka.waikato.ac.nz/explorer]]
  * [[http://www.cs.stanford.edu/people/ang/|Andrew Ng]], Machine Learning: [[https://www.coursera.org/course/ml]]

Varia:
  * [[http://www.cs.waikato.ac.nz/ml/weka/|WEKA]]
  * [[https://archive.ics.uci.edu/ml/|UCI ML repo]]
  * [[http://www.cs.ccsu.edu/~markov/|Zdravko Markov]] and Daniel T. Larose [[http://www.dataminingconsultant.com/DMW.htm|Data Mining the Web: Uncovering Patterns in Web Content, Structure, and Usage]]

===== Ramowy plan wykładu 2015 =====
  - Wstęp: organizacja zajęć, omówienie dziedziny, 2015-03-03
  - Wprowadzenie do ML i DT, przykłady, problemy, pojęcia, Weka [DMW:1], 2015-03-10
  - Modele w uczeniu maszynowym, zadania uczenia, klasyfikacja [FLA:1,2], 2015-03-17
  - Zadania klasyfikacji: atrybuty, modele i ich użycie w Weka [DMW:2,3] i [FLA:3], 2015-03-31
  - Kolokwium z lab, 2015-04-14 
  - Uczenie pojęć i drzew decyzyjnych i reguł [FLA:4,5,6], [DMW:4], 2015-04-21
  - Praktyka realizacji wybranych algorytmów i ewaluacja ich pracy [DMW:5,6], 2015-04-28
  - 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]]
  - Wybrane modele liniowe [FLA:7], [DMW:4] 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
  - 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

Slajdy z wykładów:
  * [[http://www.cs.bris.ac.uk/~flach/mlbook/materials/mlbook-beamer.pdf|FLA]]
  * [[http://www.cs.waikato.ac.nz/ml/weka/Slides3rdEd_Ch1-5.zip|DMW]] [[http://www.cs.waikato.ac.nz/ml/weka/Slides3rdEd_Ch6-6.zip|DMW]]
===== Ramowy plan laboratorium =====
Adres serwera: charon.kis.agh.edu.pl

  - [[.:lab1|Laboratorium 1]] - Wprowadzenie do Octave (2014-03-05)
  - [[.:lab2|Laboratorium 2]] - Uczenie pojęć (2014-03-12)
  - [[.:2014lab3|Laboratorium 3]] - Drzewa decyzyjne (2014-03-19)
  - [[.:2014lab4|Laboratorium 4]] - Reguły asocjacyjne (2014-04-02)
  - **Kolokwium z lab 1-4** - wykład 14.04.2015
  - [[.:lab4|Laboratorium 5]] - Regresja Liniowa (2014-04-09)
  - [[.:lab5|Laboratorium 6]] - Regresja Logistyczna (2014-04-16)
  - [[.:lab6|Laboratorium 7]] - Sztuczne sieci neuronowe (2014-04-23)
  - [[.:lab6|Laboratorium 8]] - Sztuczne sieci neuronowe (2014-04-30)
  - [[.:lab8|Laboratorium 9]] - Bias/Variance (2014-05-07)
  - **Kolokwium z lab 5-9** 
  - [[.:lab9|Laboratorium 10]] - Support Vector Machines (2014-05-14)
  - [[.:lab10|Laboratorium 11]] - Klasteryzacja (2014-05-21)
  - [[.:lab11|Laboratorium 12]] - Systemy rekomendacyjne i detekcja anomalii 
  - [[.:lab12|Laboratorium 13]] - Sieci Bayesowskie - wprowadzenie 
  - [[.:lab13|Laboratorium 14]] - Sieci Bayesowskie  
  - **Kolokwium z lab 10-14** 

===== Egzamin =====
  * I Termin: TBA
  * II Termin: TBA
  * III Termin: TBA
sala : TBA