Różnice między wybraną wersją a wersją aktualną.
| Both sides previous revision Poprzednia wersja | Nowa wersja Both sides next revision | ||
|
pl:dydaktyka:ml:start [2019/02/26 12:33] esimon [Machine learning 2017] |
pl:dydaktyka:ml:start [2019/02/26 13:46] gjn [Ramowy plan wykładu 2019] |
||
|---|---|---|---|
| Linia 33: | Linia 33: | ||
| ===== Ramowy plan wykładu 2019 ===== | ===== 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 2018 ===== | ===== Ramowy plan wykładu 2018 ===== | ||
