|
|
pl:dydaktyka:ml:start [2016/03/01 12:34] gjn 2016 |
pl:dydaktyka:ml:start [2019/06/27 15:50] |
====== 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]] | |
| |
===== Ramowy plan wykładu 2016 ===== | |
- Wstęp: organizacja zajęć, omówienie dziedziny, 2016-03-01 | |
- Wprowadzenie do ML i DT, przykłady, problemy, pojęcia, Weka [DMW:1], 2016-03-08 | |
- Modele w uczeniu maszynowym, zadania uczenia, klasyfikacja [FLA:1,2], 2016-03-15 | |
- Zadania klasyfikacji: atrybuty, modele i ich użycie w Weka [DMW:2,3] i [FLA:3], 2016-03-22 | |
- Kolokwium z lab, | |
- Uczenie pojęć i drzew decyzyjnych i reguł [FLA:4,5,6], [DMW:4], | |
- Praktyka realizacji wybranych algorytmów i ewaluacja ich pracy [DMW:5,6], | |
- 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]] | |
- 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 () | |
- [[.: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 | |
- [[.:lab6|Laboratorium 8]] - Sztuczne sieci neuronowe | |
- [[.: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 | |
| |