Różnice między wybraną wersją a wersją aktualną.
| Both sides previous revision Poprzednia wersja Nowa wersja | Poprzednia wersja | ||
|
pl:dydaktyka:ml:start [2018/06/20 11:01] esimon [Ramowy plan laboratorium] |
pl:dydaktyka:ml:start [2019/06/27 15:50] (aktualna) |
||
|---|---|---|---|
| Linia 1: | Linia 1: | ||
| - | ====== 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.\\ | ||
| Linia 32: | Linia 32: | ||
| * [[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 | ||
| Linia 52: | Linia 68: | ||
| * [[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 |
| - | - [27.03.2018] [[.:2018lab3|Laboratorium 4]] - Ridge i Lasso | + | - [13.03.2018] [[.:2018lab2|Laboratorium 4]] - Regresja Liniowa I |
| - | - [10.04.2018] [[.:2018lab4|Laboratorium 5]] - Regresja logistyczna | + | - [20.03.2018] [[.:2018lab2|Laboratorium 5]] - Regresja Liniowa II |
| - | - [17.04.2018] [[.:2018lab5|Laboratorium 6]] - Support Vector Machine I | + | - [27.03.2018] [[.:2018lab3|Laboratorium 6]] - Ridge i Lasso |
| - | - [24.04.2018] [[.:2018lab5|Laboratorium 7]] - Support Vector Machine II | + | - [10.04.2018] [[.:2018lab4|Laboratorium 7]] - Regresja logistyczna I |
| + | - [10.04.2018] [[.:2018lab4|Laboratorium 8]] - Regresja logistyczna II | ||
| + | - [17.04.2018] [[.:2018lab5|Laboratorium 8]] - Support Vector Machine I | ||
| + | - [24.04.2018] [[.:2018lab5|Laboratorium 9]] - Support Vector Machine II | ||
| - [08.05.2018] Kolokwium I | - [08.05.2018] Kolokwium I | ||
| - | - [15.05.2018] [[.:2018lab6|Laboratorium 8]] - Modele probabilistyczne I | + | - [15.05.2018] [[.:2018lab6|Laboratorium 10]] - Modele probabilistyczne I |
| - | - [22.05.2018] [[.:2018lab7|Laboratorium 9]] - Szeregi czasowe * | + | - [22.05.2018] [[.:2018lab7|Laboratorium 11]] - Szeregi czasowe * |
| - | - [29.05.2018] [[.:2018lab8|Laboratorium 10]] - Drzewa decyzyjne | + | - [29.05.2018] [[.:2018lab8|Laboratorium 12]] - Drzewa decyzyjne |
| - | - [05.06.2018] [[.:2018lab9|Laboratorium 11]] - Reguły asocjacyjne * | + | - [05.06.2018] [[.:2018lab9|Laboratorium 13]] - Reguły asocjacyjne * |
| - | - [12.06.2018] [[.:2018lab10|Laboratorium 12]] - Klasteryzacja * | + | |
| - [19.06.2018] Kolokwium II | - [19.06.2018] Kolokwium II | ||
| ===== Egzamin ===== | ===== Egzamin ===== | ||
