|
|
pl:dydaktyka:ml:start2014 [2017/07/17 10:08] |
pl:dydaktyka:ml:start2014 [2019/06/27 15:50] (aktualna) |
| ====== Machine learning 2014 ====== |
| ===== 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 |
| * [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. |
| * [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 2014 ===== |
| - Wstęp: organizacja zajęć, omówienie dziedziny, 2014-03-04 |
| - Wprowadzenie do ML i DT, przykłady, problemy, pojęcia, Weka [DMW:1], 2014-03-11 |
| - Modele w uczeniu maszynowym, zadania uczenia, klasyfikacja [FLA:1,2], 2014-03-18 |
| - Zadania klasyfikacji: atrybuty, modele i ich użycie w Weka [DMW:2,3] i [FLA:3], 2014-03-25 |
| - Uczenie pojęć i drzew decyzyjnych [FLA:4,5], [DMW:4], 2014-04-08, [[http://www.aispace.org/dTree/index.shtml|AIS:Decision Trees]] |
| - Uczenie reguł decyzyjnych [FLA:6], [DMW:4], 2014-04-15 |
| - 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]], 2014-04-29 |
| - Kolokwium z lab, 2014-04-29 |
| - Wybrane modele liniowe [FLA:7], [DMW:4] regresja liniowa, perceptron, SVM, kernele, [[mlrep3|części 7-8]], 2014-05-06 |
| - Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, dendogramy, [[mlrep3|części 7-8]], 2014-05-13 |
| - Wybrane modele probabilistyczne [FCA] [[http://artint.info/html/ArtInt_138.html|6]], [[http://artint.info/html/ArtInt_196.html|7.8]], 2014-05-20 |
| - Systemy rekomendujące: [[http://www.recommenderbook.net/|Recommender Systems - An Introduction]], [[http://www.recommenderbook.net/teaching-material/tutorial-slides|tutorial]], 2014-05-27 |
| - 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]], 2014-06-03 |
| - Przegląd i podsumowanie, 2014-06-10 |
| - Wykład zaproszony |
| |
| |
| ===== Ramowy plan laboratorium ===== |
| Adres serwera: charon.kis.agh.edu.pl |
| |
| - [[.:lab1|Laboratorium 1]] - Wprowadzenie do Octave (2014-03-05) |
| - [[.:lab2|Laboratorium 2]] - Uczenie pojęć (2014-03-12) |
| - [[.:2014lab3|Laboratorium 3]] - Drzewa decyzyjne (2014-03-19) |
| - [[.:2014lab4|Laboratorium 4]] - Reguły asocjacyjne (2014-04-02) |
| - **Kolokwium z lab 1-4** |
| - [[.:lab4|Laboratorium 5]] - Regresja Liniowa (2014-04-09) |
| - [[.:lab5|Laboratorium 6]] - Regresja Logistyczna (2014-04-16) |
| - [[.:lab6|Laboratorium 7]] - Sztuczne sieci neuronowe (2014-04-23) |
| - [[.:lab6|Laboratorium 8]] - Sztuczne sieci neuronowe (2014-04-30) |
| - [[.:lab8|Laboratorium 9]] - Bias/Variance (2014-05-07) |
| - **Kolokwium z lab 5-9** - wykład 13.05.2014 |
| - [[.:lab9|Laboratorium 10]] - Support Vector Machines (2014-05-14) |
| - [[.:lab10|Laboratorium 11]] - Klasteryzacja (2014-05-21) |
| - [[.: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: 25.06, g. 15:00 |
| * II Termin: 01.07, g. 10:00 |
| * III Termin: 02.09, g. 10:00 |
| |
| sala 429, C2 |
| |
| |