Both sides previous revision
Poprzednia wersja
Nowa wersja
|
Poprzednia wersja
|
pl:dydaktyka:ml:start [2018/03/20 12:49] esimon [Ramowy plan wykładu 2017] |
pl:dydaktyka:ml:start [2019/06/27 15:50] (aktualna) |
====== Machine learning 2017 ====== | ====== 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.\\ |
* [[https://www.lenwood.cc/2014/05/13/12-free-data-mining-books/|14 Free (as in beer) Data Mining Books]] | * [[https://www.lenwood.cc/2014/05/13/12-free-data-mining-books/|14 Free (as in beer) Data Mining Books]] |
| |
===== Ramowy plan wykładu 2017 ===== | ===== 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 ===== |
- [06.03.2018] Wstęp: organizacja zajęć, omówienie dziedziny. Wprowadzenie do o ML i DT: przykłady, problemy, pojęcia. Modele w uczeniu maszynowym, zadania uczenia | - [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 | - [13.03.2018] Atrybuty i modele, wejście i wyjście w procesie DM |
- [17.04.2018] Regresja Logistyczna | - [17.04.2018] Regresja Logistyczna |
- [24.04.2018] SVM | - [24.04.2018] SVM |
- [08.05.2018] Uczenie pojęć, reguł | - [08.05.2018] Wybrane modele probabilistyczne |
- [15.05.2018] Drzewa decyzyjne | - [15.05.2018] Uczenie pojęć, reguł |
- [22.05.2018] Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, | - [22.05.2018] Drzewa decyzyjne |
- [29.05.2018] Wybrane modele probabilistyczne | - [29.05.2018] Uczenie zestawów klasyfikatorów (ang. ensambles) |
- [05.06.2018] Uczenie zestawów klasyfikatorów (ang. ensambles) | - [05.06.2018] Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, |
- [12.06.2018] Wprowadzenie do Reinforcement learning | - [12.06.2018] Wprowadzenie do Reinforcement learning |
- [19.06.2018] Przegląd i podsumowanie | - [19.06.2018] Przegląd i podsumowanie |
| |
| |
| |
- Wstęp: organizacja zajęć, omówienie dziedziny. Wprowadzenie do ML i DT: przykłady, problemy, pojęcia. Modele w uczeniu maszynowym, zadania uczenia [FLA:0,1] 2017-02-28 | |
- Atrybuty i modele, wejście i wyjście w procesie DM [DMW:2,3], 2017-03-07 | |
- Klasyfikacja i jej ewaluacja [FLA:2] (oraz [[https://www.coursera.org/learn/ml-classification|week 6]]) 2017-03-14 | |
- Regresja 2017-03-21 | |
- Uczenie pojęć, drzew decyzyjnych i reguł [FLA:4,5,6], [DMW:4] 2017-04-28 | |
- Kolokwium z lab 2017-04-04 | |
- Uczenie pojęć, drzew decyzyjnych i reguł [FLA:4,5,6], [DMW:4] 2017-04-11 | |
- Wybrane modele liniowe [FLA:7], [DMW:4] regresja liniowa, perceptron [[mlrep3|części 7-8]] 2017-04-25 | |
- Wybrane modele liniowe [FLA:7], SVM, kernele, [[mlrep3|części 7-8]] 2017-05-09 | |
- Wybrane modele odległościowe [FLA:8]: sąsiedztwo, kNN, K-means, dendogramy, [[mlrep3|części 7-8]] 2017-05-16 | |
- Kolokwium + Repetytorium: [[mlrep1|części 1-3]] i [[mlrep2|części 4-6]] [[mlrep3|części 7-8]] -- na podstawie [[http://www.cs.bris.ac.uk/~flach/mlbook/materials/mlbook-beamer.pdf|slajdów z podręcznika P. Flacha]] | |
- Wybrane modele probabilistyczne | |
- Uczenie zestawów klasyfikatorów (ang. //ensambles//) | |
- Uczenie przyrostowe, uczenie ze strumieni danych | |
- Systemy rekomendujące: [[http://www.recommenderbook.net/|Recommender Systems - An Introduction]], [[http://www.recommenderbook.net/teaching-material/tutorial-slides|tutorial]] | |
- 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 | |
| |
Slajdy z wykładów: | Slajdy z wykładów: |
* [[http://www.cs.bris.ac.uk/~flach/mlbook/materials/mlbook-beamer.pdf|FLA]] | * [[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]] | * [[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 |
| |
- [06.03.2018] [[.:2018lab1|Laboratorium 1]] - Wprowadzenie do środowiska pracy | - [06.03.2018] [[.:2018lab1|Laboratorium 1]] - Wprowadzenie do środowiska pracy I |
- [13.03.2018] [[.:2018lab2|Laboratorium 2]] - Regresja Liniowa I | - [06.03.2018] [[.:2018lab1|Laboratorium 2]] - Wprowadzenie do środowiska pracy II |
- [20.03.2018] [[.:2018lab2|Laboratorium 3]] - Regresja Liniowa II | - [12.06.2018] [[.:2018lab10|Laboratorium 3]] - Klasteryzacja |
- [[.:2018lab3|Laboratorium 4]] - Ridge i Lasso | - [13.03.2018] [[.:2018lab2|Laboratorium 4]] - Regresja Liniowa I |
- Regresja logistyczna | - [20.03.2018] [[.:2018lab2|Laboratorium 5]] - Regresja Liniowa II |
- Support Vector Machine | - [27.03.2018] [[.:2018lab3|Laboratorium 6]] - Ridge i Lasso |
- Kolokwium I | - [10.04.2018] [[.:2018lab4|Laboratorium 7]] - Regresja logistyczna I |
- Uczenie Pojęć | - [10.04.2018] [[.:2018lab4|Laboratorium 8]] - Regresja logistyczna II |
- Drzewa decyzyjne | - [17.04.2018] [[.:2018lab5|Laboratorium 8]] - Support Vector Machine I |
- Reguły asocjacyjne | - [24.04.2018] [[.:2018lab5|Laboratorium 9]] - Support Vector Machine II |
- Kolokwium II | - [08.05.2018] Kolokwium I |
- Klasteryzacja | - [15.05.2018] [[.:2018lab6|Laboratorium 10]] - Modele probabilistyczne I |
- Modele probabilistyczne | - [22.05.2018] [[.:2018lab7|Laboratorium 11]] - Szeregi czasowe * |
- Sieci Neuronowe i Transfer Learning | - [29.05.2018] [[.:2018lab8|Laboratorium 12]] - Drzewa decyzyjne |
- Kolokwium III | - [05.06.2018] [[.:2018lab9|Laboratorium 13]] - Reguły asocjacyjne * |
| |
| - [19.06.2018] Kolokwium II |
===== Egzamin ===== | ===== Egzamin ===== |
* I Termin: TBA | * I Termin: TBA |