====== Machine learning 2016 ====== ===== 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]] * [[https://www.lenwood.cc/2014/05/13/12-free-data-mining-books/|14 Free (as in beer) Data Mining Books]] ===== Ramowy plan wykładu 2016 ===== - Wstęp: organizacja zajęć, omówienie dziedziny - Wprowadzenie do ML i DT: przykłady, problemy, pojęcia. Modele w uczeniu maszynowym, zadania uczenia [FLA:0,1] 2016-03-01 - Atrybuty i modele, wejście i wyjście w procesie DM [DMW:2,3], 2016-03-08 - Klasyfikacja i jej ewaluacja [FLA:2] 2016-03-22 - Kolokwium z lab (Uczenie pojęć) 2016-04-05 - Uczenie pojęć, drzew decyzyjnych i reguł [FLA:4,5,6], [DMW:4] 2016-04-12 - Wybrane modele liniowe [FLA:7], [DMW:4] regresja liniowa, perceptron, SVM, kernele, [[mlrep3|części 7-8]] 2016-04-19 - Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, dendogramy, [[mlrep3|części 7-8]] - Repetytorium: [[mlrep1|części 1-3]] i [[mlrep2|części 4-6]] [[mlrep3|części 7-8]] -- na podstawie [[http://www.cs.bris.ac.uk/~flach/mlbook/materials/mlbook-beamer.pdf|slajdów z podręcznika P. Flacha]] 2016-04-26 - 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 () - [[.:lab2|Laboratorium 2]] - Uczenie pojęć () - [[.:2014lab3|Laboratorium 3]] - Drzewa decyzyjne - [[.:2014lab4|Laboratorium 4]] - Reguły asocjacyjne - **Kolokwium z lab 1-4** - wykład - [[.:lab4|Laboratorium 5]] - Regresja Liniowa - [[.:lab5|Laboratorium 6]] - Regresja Logistyczna - [[.:lab6|Laboratorium 7]] - Sztuczne sieci neuronowe - [[.:2016lab6|Laboratorium 8]] - Transfer Learning - [[.:lab8|Laboratorium 9]] - Bias/Variance - **Kolokwium z lab 5-9** - [[.:lab9|Laboratorium 10]] - Support Vector Machines - [[.:lab10|Laboratorium 11]] - Klasteryzacja - [[.: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