Różnice

Różnice między wybraną wersją a wersją aktualną.

Odnośnik do tego porównania

pl:dydaktyka:ml:start2013 [2019/06/27 15:50]
pl:dydaktyka:ml:start2013 [2019/06/27 15:50] (aktualna)
Linia 1: Linia 1:
 +====== 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
  
pl/dydaktyka/ml/start2013.txt · ostatnio zmienione: 2019/06/27 15:50 (edycja zewnętrzna)
www.chimeric.de Valid CSS Driven by DokuWiki do yourself a favour and use a real browser - get firefox!! Recent changes RSS feed Valid XHTML 1.0