Both sides previous revision
Poprzednia wersja
Nowa wersja
|
Poprzednia wersja
Nowa wersja
Both sides next revision
|
pl:dydaktyka:ml:start [2013/06/11 13:50] gjn [Ramowy plan wykładu] |
pl:dydaktyka:ml:start [2018/06/04 21:44] esimon [Ramowy plan laboratorium] |
====== Machine learning 2013 ====== | ====== Machine learning 2017 ====== |
===== 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 ===== |
* [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. | * [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. |
* [TML] [[http://www.cs.cmu.edu/~tom/|T. Mitchell]], //[[http://www.cs.cmu.edu/~tom/mlbook.html|Machine Learning]]//, McGraw Hill, 1997. | * [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 |
| |
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. |
| * [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]]** | * [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]] |
* [ZMV] [[http://www.cs.ccsu.edu/~markov/|Z. 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. | * 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. |
| * [[http://www.cs.waikato.ac.nz/~ihw|Ian Witten]], Data Mining with Weka: [[http://wekamooc.blogspot.com/]] [[https://weka.waikato.ac.nz/explorer]] |
| |
===== Ramowy plan wykładu ===== | Varia: |
- Wstęp: zadania uczenia: [FLA:1] | * [[http://www.cs.waikato.ac.nz/ml/weka/|WEKA]] |
- Klasyfikacja problemów uczenia [FLA:2,3] | * [[https://archive.ics.uci.edu/ml/|UCI ML repo]] |
- Uczenie pojęć i drzew decyzyjnych [FLA:4,5] [[http://www.aispace.org/dTree/index.shtml|AIS:Decision Trees]] | * [[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]] |
- Uczenie drzew i reguł decyzyjnych [FLA:6] | * [[https://www.lenwood.cc/2014/05/13/12-free-data-mining-books/|14 Free (as in beer) Data Mining Books]] |
- 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]] | |
- Kolokwium z lab | |
- Wybrane modele liniowe [FLA:7] | |
- Wybrane modele odległościowe [FLA:8] | |
- Wybrane modele probabilistyczne [FCA] [[http://artint.info/html/ArtInt_138.html|6]], [[http://artint.info/html/ArtInt_196.html|7.8]] | |
- Systemy rekomendujące: [[http://www.recommenderbook.net/|Recommender Systems - An Introduction]], [[http://www.recommenderbook.net/teaching-material/tutorial-slides|tutorial]] | |
- Narzędzia do ML, SBK, FIXME | |
- 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]] | |
- Przegląd i podsumowanie | |
- Wykład zaproszony x2: [[http://www.kde.cs.uni-kassel.de/atzmueller|Martin Atzmüller]] | |
| |
| ===== Ramowy plan wykładu 2017 ===== |
| - [06.03.2018] Wstęp: organizacja zajęć, omówienie dziedziny. Wprowadzenie do o ML i DT: przykłady, problemy, pojęcia. Modele w uczeniu maszynowym, zadania uczenia |
| - [13.03.2018] Atrybuty i modele, wejście i wyjście w procesie DM |
| - [20.03.2018] Regresja liniowa |
| - [27.03.2018] Ridge regression i Lasso |
| - [10.04.2018] Klasyfikacja i jej ewaluacja |
| - [17.04.2018] Regresja Logistyczna |
| - [24.04.2018] SVM |
| - [08.05.2018] Wybrane modele probabilistyczne |
| - [15.05.2018] Uczenie pojęć, reguł |
| - [22.05.2018] Drzewa decyzyjne |
| - [29.05.2018] Uczenie zestawów klasyfikatorów (ang. ensambles) |
| - [05.06.2018] Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, |
| - [12.06.2018] Wprowadzenie do Reinforcement learning |
| - [19.06.2018] Przegląd i podsumowanie |
| |
| |
| 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]] |
===== 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 (2013-02-27) | - [06.03.2018] [[.:2018lab1|Laboratorium 1]] - Wprowadzenie do środowiska pracy |
- [[.:lab2|Laboratorium 2]] - Uczenie pojęć (2013-03-06) | - [13.03.2018] [[.:2018lab2|Laboratorium 2]] - Regresja Liniowa I |
- [[.:lab3|Laboratorium 3]] - Drzewa decyzyjne (2013-03-13) | - [20.03.2018] [[.:2018lab2|Laboratorium 3]] - Regresja Liniowa II |
- [[.:lab4|Laboratorium 4]] - Regresja Liniowa (2013-03-20) | - [27.03.2018] [[.:2018lab3|Laboratorium 4]] - Ridge i Lasso |
- [[.:lab5|Laboratorium 5]] - Regresja Logistyczna (2013-03-27) | - [10.04.2018] [[.:2018lab4|Laboratorium 5]] - Regresja logistyczna |
- [[.:lab6|Laboratorium 6 i 7]] - Sztuczne sieci neuronowe (2013-04-03, 10) | - [17.04.2018] [[.:2018lab5|Laboratorium 6]] - Support Vector Machine I |
- [[.:lab8|Laboratorium 8]] - Bias/Variance (2013-04-15) | - [24.04.2018] [[.:2018lab5|Laboratorium 7]] - Support Vector Machine II |
- [[.:lab9|Laboratorium 9]] - Support Vector Machines | - [08.05.2018] Kolokwium I |
- [[.:lab10|Laboratorium 10]] - Klasteryzacja | - [15.05.2018] [[.:2018lab6|Laboratorium 8]] - Modele probabilistyczne I |
- [[.:lab11|Laboratorium 11]] - Systemy rekomendacyjne i detekcja anomalii (15-05-2013) | - [22.05.2018] [[.:2018lab7|Laboratorium 9]] - Szeregi czasowe |
- [[.:lab12|Laboratorium 12]] - Sieci Bayesowskie - wprowadzenie (22-05-2013) | - [29.05.2018] [[.:2018lab8|Laboratorium 10]] - Drzewa decyzyjne |
- [[.:lab13|Laboratorium 13]] - Sieci Bayesowskie (29-05-2013) | - [05.06.2018] [[.:2018lab9|Laboratorium 11]] - Reguły asocjacyjne |
- **Kolokwium z laboratoriów 8-13** (05-06-2013) | - [12.06.2018] Klasteryzacja |
| - [19.06.2018] Kolokwium II |
| ===== Egzamin ===== |
| * I Termin: TBA |
| * II Termin: TBA |
| * III Termin: TBA |
| sala : TBA |
| |