Both sides previous revision
Poprzednia wersja
Nowa wersja
|
Poprzednia wersja
Nowa wersja
Both sides next revision
|
pl:dydaktyka:ml:start [2014/04/01 18:25] esimon [Ramowy plan laboratorium] |
pl:dydaktyka:ml:start [2019/03/12 12:13] esimon [Ramowy plan laboratorium] |
====== Machine learning 2014 ====== | ====== 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.\\ |
Kurs opiera się na usystematyzowanym przeglądzie podstawowych metod i algorytmów z poszczególnych grup. | Kurs opiera się na usystematyzowanym przeglądzie podstawowych metod i algorytmów z poszczególnych grup. |
| W ramach wykładu i laboratorium staramy się również przedstawić szerszy kontekst eksploracji danych (ang. //data-mining//) z związanych z tymi zaganieniami narzędzi. |
| |
===== Podręczniki ===== | ===== Podręczniki ===== |
* [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: | * [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 | 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: | 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. | * [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. | * [CIH] [[http://www.ise.pw.edu.pl/~cichosz|Paweł Cichosz]], //[[http://www.ise.pw.edu.pl/~cichosz/SU/|Systemy uczące się]]//, WNT, 2000. |
* [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]]** | * [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: | Inspiracje do ćwiczeń i poszerzania wiedzy: |
* [ANG] [[http://www.cs.stanford.edu/people/ang/|Andrew Ng]] [[https://www.coursera.org/course/ml|Coursera: Machine Learning]] | * Coursera: [[https://www.coursera.org/specializations/machine-learning|Machine learning specialization]] |
| * Coursera: [[http://www.cs.stanford.edu/people/ang/|Andrew Ng]] [[https://www.coursera.org/course/ml|Coursera: Machine Learning]] |
| * Coursera: [[https://www.coursera.org/specializations/jhu-data-science|Data Science specialization]] |
* [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. | * [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.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: | Varia: |
* [[https://archive.ics.uci.edu/ml/|UCI ML repo]] | * [[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]] | * [[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]] |
| * [[https://www.lenwood.cc/2014/05/13/12-free-data-mining-books/|14 Free (as in beer) Data Mining Books]] |
| |
| ===== Ramowy plan wykładu 2019 ===== |
| - [GJN] Wstęp: organizacja zajęć, omówienie dziedziny. Wprowadzenie do o ML i DT: przykłady, problemy, pojęcia. Modele w uczeniu maszynowym, zadania uczenia |
| - [GJN] Atrybuty i modele, wejście i wyjście w procesie DM |
| - [GJN] Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, |
| - [SBK] Regresja liniowa |
| - [SBK] Bias/Variance |
| - [SBK] Ridge regression |
| - [GJN/SBK] Klasyfikacja i jej ewaluacja |
| - [SBK] Regresja Logistyczna |
| - [SBK] SVM |
| - [SBK] Wybrane modele probabilistyczne |
| - [GJN] Uczenie pojęć, reguł |
| - [SBK] Drzewa decyzyjne |
| - [SBK] Uczenie zestawów klasyfikatorów (ang. ensambles) |
| - [SBK] Przegląd i podsumowanie |
| |
===== Ramowy plan wykładu 2014 ===== | ===== Ramowy plan wykładu 2018 ===== |
- Wstęp: organizacja zajęć, omówienie dziedziny, 2014-03-04 | - [06.03.2018] Wstęp: organizacja zajęć, omówienie dziedziny. Wprowadzenie do o ML i DT: przykłady, problemy, pojęcia. Modele w uczeniu maszynowym, zadania uczenia |
- Wprowadzenie do ML i DT, przykłady, problemy, pojęcia, Weka [DMW:1], 2014-03-11 | - [13.03.2018] Atrybuty i modele, wejście i wyjście w procesie DM |
- Modele w uczeniu maszynowym, zadania uczenia, klasyfikacja [FLA:1,2], 2014-03-18 | - [20.03.2018] Regresja liniowa |
- Zadania klasyfikacji: atrybuty, modele i ich użycie w Weka [DMW:2] i [FLA:3], 2014-03-25 | - [27.03.2018] Ridge regression i Lasso |
- Uczenie pojęć i drzew decyzyjnych [FLA:4,5], 2014-04-01, [[http://www.aispace.org/dTree/index.shtml|AIS:Decision Trees]] | - [10.04.2018] Klasyfikacja i jej ewaluacja |
- Uczenie drzew i reguł decyzyjnych [FLA:6], 2014-04-08 | - [17.04.2018] Regresja Logistyczna |
- 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]], 2014-04-15 | - [24.04.2018] SVM |
- Kolokwium z lab, 2014-04-29 ? | - [08.05.2018] Wybrane modele probabilistyczne |
- Wybrane modele liniowe [FLA:7] regresja liniowa, perceptron, SVM, kernele, [[mlrep3|części 7-8]] | - [15.05.2018] Uczenie pojęć, reguł |
- Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, dendogramy, [[mlrep3|części 7-8]] | - [22.05.2018] Drzewa decyzyjne |
- Wybrane modele probabilistyczne [FCA] [[http://artint.info/html/ArtInt_138.html|6]], [[http://artint.info/html/ArtInt_196.html|7.8]] | - [29.05.2018] Uczenie zestawów klasyfikatorów (ang. ensambles) |
- Systemy rekomendujące: [[http://www.recommenderbook.net/|Recommender Systems - An Introduction]], [[http://www.recommenderbook.net/teaching-material/tutorial-slides|tutorial]] | - [05.06.2018] Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, |
- Narzędzia do ML | - [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 | |
- Wykład zaproszony | |
| |
| |
| 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]] |
| * 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 |
| |
- [[.:lab1|Laboratorium 1]] - Wprowadzenie do Octave (2014-03-05) | - [06.03.2018] [[.:2018lab1|Laboratorium 1]] - Wprowadzenie do środowiska pracy I |
- [[.:lab2|Laboratorium 2]] - Uczenie pojęć (2014-03-12) | - [06.03.2018] [[.:2018lab1|Laboratorium 2]] - Wprowadzenie do środowiska pracy II |
- [[.:2014lab3|Laboratorium 3]] - Drzewa decyzyjne (2014-03-19) | - [12.06.2018] [[.:2018lab10|Laboratorium 3]] - Klasteryzacja |
- [[.:2014lab4|Laboratorium 4]] - Reguły asocjacyjne (2014-04-02) | - [13.03.2018] [[.:2018lab2|Laboratorium 4]] - Regresja Liniowa I |
- [[.:lab4|Laboratorium 5]] - Regresja Liniowa | - [20.03.2018] [[.:2018lab2|Laboratorium 5]] - Regresja Liniowa II |
- [[.:lab5|Laboratorium 6]] - Regresja Logistyczna | - [27.03.2018] [[.:2018lab3|Laboratorium 6]] - Ridge i Lasso |
- [[.:lab6|Laboratorium 7]] - Sztuczne sieci neuronowe | - [10.04.2018] [[.:2018lab4|Laboratorium 7]] - Regresja logistyczna |
- [[.:lab6|Laboratorium 8]] - Sztuczne sieci neuronowe | - [17.04.2018] [[.:2018lab5|Laboratorium 8]] - Support Vector Machine I |
- [[.:lab8|Laboratorium 9]] - Bias/Variance | - [24.04.2018] [[.:2018lab5|Laboratorium 9]] - Support Vector Machine II |
- [[.:lab9|Laboratorium 10]] - Support Vector Machines | - [08.05.2018] Kolokwium I |
- [[.:lab10|Laboratorium 11]] - Klasteryzacja | - [15.05.2018] [[.:2018lab6|Laboratorium 10]] - Modele probabilistyczne I |
- [[.:lab11|Laboratorium 12]] - Systemy rekomendacyjne i detekcja anomalii | - [22.05.2018] [[.:2018lab7|Laboratorium 11]] - Szeregi czasowe * |
- [[.:lab12|Laboratorium 13]] - Sieci Bayesowskie - wprowadzenie | - [29.05.2018] [[.:2018lab8|Laboratorium 12]] - Drzewa decyzyjne |
- [[.:lab13|Laboratorium 14]] - Sieci Bayesowskie | - [05.06.2018] [[.:2018lab9|Laboratorium 13]] - Reguły asocjacyjne * |
- **Kolokwium z laboratoriów 8-13** | |
| |
| - [19.06.2018] Kolokwium II |
===== Egzamin ===== | ===== Egzamin ===== |
* I Termin: | * I Termin: TBA |
* II Termin: | * II Termin: TBA |
* III Termin: | * III Termin: TBA |
| sala : TBA |
| |