Machine learning 2015

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

Ramowy plan wykładu 2015

  1. Wstęp: organizacja zajęć, omówienie dziedziny, 2015-03-03
  2. Wprowadzenie do ML i DT, przykłady, problemy, pojęcia, Weka [DMW:1], 2015-03-10
  3. Modele w uczeniu maszynowym, zadania uczenia, klasyfikacja [FLA:1,2], 2015-03-17
  4. Zadania klasyfikacji: atrybuty, modele i ich użycie w Weka [DMW:2,3] i [FLA:3], 2015-03-31
  5. Kolokwium z lab, 2015-04-14
  6. Uczenie pojęć i drzew decyzyjnych i reguł [FLA:4,5,6], [DMW:4], 2015-04-21
  7. Praktyka realizacji wybranych algorytmów i ewaluacja ich pracy [DMW:5,6], 2015-04-28
  8. Repetytorium: części 1-3 i części 4-6 – oba na podstawie slajdów z podręcznika P. Flacha
  9. Wybrane modele liniowe [FLA:7], [DMW:4] regresja liniowa, perceptron, SVM, kernele, części 7-8
  10. Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, dendogramy, części 7-8
  11. Wybrane modele probabilistyczne [FCA] 6, 7.8
  12. Narzędzia do ML
  13. Przegląd i podsumowanie

Slajdy z wykładów:

Ramowy plan laboratorium

Adres serwera: charon.kis.agh.edu.pl

  1. Laboratorium 1 - Wprowadzenie do Octave (2014-03-05)
  2. Laboratorium 2 - Uczenie pojęć (2014-03-12)
  3. Laboratorium 3 - Drzewa decyzyjne (2014-03-19)
  4. Laboratorium 4 - Reguły asocjacyjne (2014-04-02)
  5. Kolokwium z lab 1-4 - wykład 14.04.2015
  6. Laboratorium 5 - Regresja Liniowa (2014-04-09)
  7. Laboratorium 6 - Regresja Logistyczna (2014-04-16)
  8. Laboratorium 7 - Sztuczne sieci neuronowe (2014-04-23)
  9. Laboratorium 8 - Sztuczne sieci neuronowe (2014-04-30)
  10. Laboratorium 9 - Bias/Variance (2014-05-07)
  11. Kolokwium z lab 5-9
  12. Laboratorium 10 - Support Vector Machines (2014-05-14)
  13. Laboratorium 11 - Klasteryzacja (2014-05-21)
  14. Laboratorium 12 - Systemy rekomendacyjne i detekcja anomalii
  15. Laboratorium 13 - Sieci Bayesowskie - wprowadzenie
  16. Laboratorium 14 - Sieci Bayesowskie
  17. Kolokwium z lab 10-14

Egzamin

  • I Termin: TBA
  • II Termin: TBA
  • III Termin: TBA

sala : TBA

pl/dydaktyka/ml/start2015.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