Różnice między wybraną wersją a wersją aktualną.
| Both sides previous revision Poprzednia wersja Nowa wersja | Poprzednia wersja Nowa wersja Both sides next revision | ||
|
pl:dydaktyka:ml:start [2018/03/07 22:54] esimon [Ramowy plan laboratorium] |
pl:dydaktyka:ml:start [2019/02/26 12:33] esimon [Machine learning 2017] |
||
|---|---|---|---|
| Linia 1: | Linia 1: | ||
| - | ====== Machine learning 2017 ====== | + | ====== Machine learning 2019 ====== |
| ===== Cele kursu ===== | ===== Cele kursu ===== | ||
| Celem kursu jest przekazanie najistotniejszych wiadomości związanych z problemami i metodami uczenia maszynowego w wymiarze logicznym, geometrycznym i probabilistycznym.\\ | Celem kursu jest przekazanie najistotniejszych wiadomości związanych z problemami i metodami uczenia maszynowego w wymiarze logicznym, geometrycznym i probabilistycznym.\\ | ||
| Linia 32: | Linia 32: | ||
| * [[https://www.lenwood.cc/2014/05/13/12-free-data-mining-books/|14 Free (as in beer) Data Mining Books]] | * [[https://www.lenwood.cc/2014/05/13/12-free-data-mining-books/|14 Free (as in beer) Data Mining Books]] | ||
| - | ===== Ramowy plan wykładu 2017 ===== | + | ===== Ramowy plan wykładu 2019 ===== |
| - | - Wstęp: organizacja zajęć, omówienie dziedziny. Wprowadzenie do ML i DT: przykłady, problemy, pojęcia. Modele w uczeniu maszynowym, zadania uczenia [FLA:0,1] 2017-02-28 | + | |
| - | - Atrybuty i modele, wejście i wyjście w procesie DM [DMW:2,3], 2017-03-07 | + | ===== Ramowy plan wykładu 2018 ===== |
| - | - Klasyfikacja i jej ewaluacja [FLA:2] (oraz [[https://www.coursera.org/learn/ml-classification|week 6]]) 2017-03-14 | + | - [06.03.2018] Wstęp: organizacja zajęć, omówienie dziedziny. Wprowadzenie do o ML i DT: przykłady, problemy, pojęcia. Modele w uczeniu maszynowym, zadania uczenia |
| - | - Regresja 2017-03-21 | + | - [13.03.2018] Atrybuty i modele, wejście i wyjście w procesie DM |
| - | - Uczenie pojęć, drzew decyzyjnych i reguł [FLA:4,5,6], [DMW:4] 2017-04-28 | + | - [20.03.2018] Regresja liniowa |
| - | - Kolokwium z lab 2017-04-04 | + | - [27.03.2018] Ridge regression i Lasso |
| - | - Uczenie pojęć, drzew decyzyjnych i reguł [FLA:4,5,6], [DMW:4] 2017-04-11 | + | - [10.04.2018] Klasyfikacja i jej ewaluacja |
| - | - Wybrane modele liniowe [FLA:7], [DMW:4] regresja liniowa, perceptron [[mlrep3|części 7-8]] 2017-04-25 | + | - [17.04.2018] Regresja Logistyczna |
| - | - Wybrane modele liniowe [FLA:7], SVM, kernele, [[mlrep3|części 7-8]] 2017-05-09 | + | - [24.04.2018] SVM |
| - | - Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, dendogramy, [[mlrep3|części 7-8]] 2017-05-16 | + | - [08.05.2018] Wybrane modele probabilistyczne |
| - | - Kolokwium + 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]] | + | - [15.05.2018] Uczenie pojęć, reguł |
| - | - Wybrane modele probabilistyczne | + | - [22.05.2018] Drzewa decyzyjne |
| - | - Uczenie zestawów klasyfikatorów (ang. //ensambles//) | + | - [29.05.2018] Uczenie zestawów klasyfikatorów (ang. ensambles) |
| - | - Uczenie przyrostowe, uczenie ze strumieni danych | + | - [05.06.2018] Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, |
| - | - Systemy rekomendujące: [[http://www.recommenderbook.net/|Recommender Systems - An Introduction]], [[http://www.recommenderbook.net/teaching-material/tutorial-slides|tutorial]] | + | - [12.06.2018] Wprowadzenie do Reinforcement learning |
| - | - 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]] | + | - [19.06.2018] Przegląd i podsumowanie |
| - | - Przegląd i podsumowanie | + | |
| Slajdy z wykładów: | Slajdy z wykładów: | ||
| * [[http://www.cs.bris.ac.uk/~flach/mlbook/materials/mlbook-beamer.pdf|FLA]] | * [[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]] | * [[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]] | ||
| + | * Podsumowanie: {{ :pl:dydaktyka:ml:summary-small.pdf |}} | ||
| ===== Ramowy plan laboratorium ===== | ===== Ramowy plan laboratorium ===== | ||
| Adres serwera: charon.kis.agh.edu.pl | Adres serwera: charon.kis.agh.edu.pl | ||
| - | - [[.:2018lab1|Laboratorium 1]] - Wprowadzenie do środowiska pracy | + | - [06.03.2018] [[.:2018lab1|Laboratorium 1]] - Wprowadzenie do środowiska pracy |
| - | - [[.:2018lab2|Laboratorium 2]] - Regresja Liniowa | + | - [13.03.2018] [[.:2018lab2|Laboratorium 2]] - Regresja Liniowa I |
| - | - [[.:2018lab3|Laboratorium 3]] - Ridge i Lasso | + | - [20.03.2018] [[.:2018lab2|Laboratorium 3]] - Regresja Liniowa II |
| - | - Regresja logistyczna | + | - [27.03.2018] [[.:2018lab3|Laboratorium 4]] - Ridge i Lasso |
| - | - Support Vector Machine | + | - [10.04.2018] [[.:2018lab4|Laboratorium 5]] - Regresja logistyczna |
| - | - Kolokwium I | + | - [17.04.2018] [[.:2018lab5|Laboratorium 6]] - Support Vector Machine I |
| - | - Uczenie Pojęć | + | - [24.04.2018] [[.:2018lab5|Laboratorium 7]] - Support Vector Machine II |
| - | - Drzewa decyzyjne | + | - [08.05.2018] Kolokwium I |
| - | - Reguły asocjacyjne | + | - [15.05.2018] [[.:2018lab6|Laboratorium 8]] - Modele probabilistyczne I |
| - | - Kolokwium II | + | - [22.05.2018] [[.:2018lab7|Laboratorium 9]] - Szeregi czasowe * |
| - | - Klasteryzacja | + | - [29.05.2018] [[.:2018lab8|Laboratorium 10]] - Drzewa decyzyjne |
| - | - Modele probabilistyczne | + | - [05.06.2018] [[.:2018lab9|Laboratorium 11]] - Reguły asocjacyjne * |
| - | - Sieci Neuronowe i Transfer Learning | + | - [12.06.2018] [[.:2018lab10|Laboratorium 12]] - Klasteryzacja * |
| - | - Kolokwium III | + | - [19.06.2018] Kolokwium II |
| ===== Egzamin ===== | ===== Egzamin ===== | ||
| * I Termin: TBA | * I Termin: TBA | ||
