• PMG → D. Poole, A. Mackworth and R. Goebel, Computational Intelligence: A Logical Approach, Oxford University Press, 1998.
• TML → T. Mitchell, Machine Learning, McGraw Hill, 1997.
• ZMV → Z. Markov, CS570 - Topics in AI: Machine Learning, oraz Machine Learning Programs and Laboratory Experiments in Prolog, 2003.

Proszę przeczytać (przypomnieć sobie) wykłady wprowadzające TML1 (TML1), PMG11_1 (PMG11_1), ZMV1 (ZMV1), dotyczące ML, jego zadań i wariantów.

Proszę zapoznać się z podsumowaniem różnych perspektyw na ML u ZMV (1-Introduction): ML example, Play Tennis example.

Lokalna kopia kompletu plików laboratoryjnych ZMV.

Proszę przeczytać (przypomnieć sobie) wykład wprowadzający ZMV3 (ZMV3) dotyczący różnych reprezentacji wiedzy (sposobu opisu) używanych w zadaniach i algorytmach ML.

Uzupełniające informacje (poszerzone) są też w TML10 (TML10).

Proszę zrealizować krok po kroku instrukcje z modułu 2 ZMV (Languages for learning), czyli MachineLearningLab-1, (MachineLearningLab-1).

Potrzebne pliki to program covering.pl oraz dane animals.pl, monks.pl, shapes.pl, taxonomy.pl.

Proszę przeczytać (przypomnieć sobie) wykłady wprowadzające PMG11_1 (PMG11_1), TML2 (TML2), oraz ZMV4 (ZMV4) dotyczące różnych zagadnień uczenia na podstawie przykładów w tym Version space learning.

Proszę zrealizować krok po kroku instrukcje z modułu 3 ZMV (Version space learning), czyli MachineLearningLab-2, (MachineLearningLab-2).

Potrzebne pliki to program vs.pl oraz dane shapes.pl, taxonomy.pl, animals.pl, loandata.pl.

Proszę przeczytać (przypomnieć sobie) wykłady wprowadzające PMG11_2 (PMG11_2), oraz TML3 (TML3). dotyczące różnych uczenia drzew decyzyjnych.

Proszę zrealizować krok po kroku instrukcje z modułu 4 ZMV (Induction of Decision Trees), czyli MachineLearningLab-3, (MachineLearningLab-3).

Potrzebne pliki to program id3.pl oraz wcześniejsze dane animals.pl, loandata.pl.

Pliki uzupełniające dla przykładów z PMG: program dtlearn_bool.pl, dane dtlearn_t2.pl i dla zadanie as11data.pl.

Proszę przeczytać i przemyśleć Zadanie 11.

Proszę przeczytać (przypomnieć sobie) wykłady wprowadzające PMG10_1 (PMG10_1) - reprezentacja niepewności, twierdzenie Bayesa.

Lektura uzupełniająca to rozdział TML6 (TML6) dotyczący różnych reprezentacji wiedzy niepewnej, twierdzenia Bayesa i sieci przekonań.

Proszę zrealizować krok po kroku instrukcje z modułu 9 ZMV (Bayesian learning), czyli MachineLearningLab8, (MachineLearningLab-8).

Potrzebne pliki to program bayes.pl oraz dane animals.pl, loandata.pl, loandat2.pl.

W drugiej częsci, proszę przeczytać

• PMG10_2 (PMG10_2) - modelowanie niezależności zmiennych, sieci przekonań, w tym przykłady sieci: PMG10_3 (PMG10_3),
• PMG10_4 (PMG10_4) - wnioskowanie w sieciach przekonań
• PMG11_5 (PMG11_5) - uczenie sieci Bayesowskiej

Następnie, proszę zrealizować krok po kroku instrukcje z modułu 10 ZMV (Bayesian Belief Networks), czyli MachineLearningLab-9, (MachineLearningLab-9).

Potrzebne pliki to program bn.pl oraz dane bnet1.pl, bnet2.pl, alarm.pl, loandata.pl.

Lektura uzupełniająca to rozdział TML6 (TML6) dotyczący różnych reprezentacji wiedzy niepewnej, twierdzenia Bayesa i sieci przekonań.