To jest stara wersja strony!


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

Ramowy plan wykładu 2014

  1. Wstęp: organizacja zajęć, omówienie dziedziny, 2014-03-04
  2. Wprowadzenie do ML i DT, przykłady, problemy, pojęcia, Weka [DMW:1], 2014-03-11
  3. Modele w uczeniu maszynowym, zadania uczenia, klasyfikacja [FLA:1,2], 2014-03-18
  4. Zadania klasyfikacji: atrybuty, modele i ich użycie w Weka [DMW:2,3] i [FLA:3], 2014-03-25
  5. Uczenie pojęć i drzew decyzyjnych [FLA:4,5], [DMW:4], 2014-04-08, AIS:Decision Trees
  6. Uczenie reguł decyzyjnych [FLA:6], [DMW:4], 2014-04-15
  7. Repetytorium: części 1-3 i części 4-6 – oba na podstawie slajdów z podręcznika P. Flacha, 2014-04-29
  8. Kolokwium z lab, 2014-04-29
  9. Wybrane modele liniowe [FLA:7], [DMW:4] regresja liniowa, perceptron, SVM, kernele, części 7-8, 2014-05-06
  10. Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, dendogramy, części 7-8, 2014-05-13
  11. Wybrane modele probabilistyczne [FCA] 6, 7.8, 2014-05-20
  12. Systemy rekomendujące: Recommender Systems - An Introduction, tutorial, 2014-05-27
  13. Narzędzia do ML
  14. Przegląd i podsumowanie, 2014-06-10
  15. Wykład zaproszony

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. Laboratorium 5 - Regresja Liniowa (2014-04-09)
  6. Laboratorium 6 - Regresja Logistyczna (2014-04-16)
  7. Laboratorium 7 - Sztuczne sieci neuronowe (2014-04-23)
  8. Laboratorium 8 - Sztuczne sieci neuronowe (2014-04-30)
  9. Laboratorium 9 - Bias/Variance (2014-05-07)
  10. Kolokwium z lab 5-9 - wykład 13.05.2014
  11. Laboratorium 10 - Support Vector Machines (2014-05-14)
  12. Laboratorium 11 - Klasteryzacja (2014-05-21)
  13. Laboratorium 12 - Systemy rekomendacyjne i detekcja anomalii
  14. Laboratorium 13 - Sieci Bayesowskie - wprowadzenie
  15. Laboratorium 14 - Sieci Bayesowskie
  16. Kolokwium z laboratoriów 10-14

Egzamin

  • I Termin:
  • II Termin:
  • III Termin:
pl/dydaktyka/ml/start.1399449732.txt.gz · ostatnio zmienione: 2019/06/27 15:54 (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