|
Wykłady
|
Ćwiczenia
|
1
|
Wstęp, regresja liniowa i metoda najmniejszych kwadratów (wersja w notebooku)
|
Powtórka numpy
|
|
|
Regresja liniowa.
|
2
|
Klasyfikacja i regresja logistyczna (wersja w notebooku)
|
|
|
|
Ćwiczenie regresji logistycznej
|
3
|
Ocena jakości klasyfikacji (wersja w notebooku)
|
|
|
|
Ćwiczenie z miarami jakości
|
4
|
Algorytmy generatywne (wersja w notebooku)
|
|
|
|
Ćwiczenie z klasyfikacji bayesowskiej Ćwiczenie z klasyfikacji tekstów za pomocą klasyfikacji bayesowskiej (notebook)
|
5
|
Maszyny wektorów wspierających I (wersja w notebooku)
|
|
|
|
Klasyfikacja z użyciem SVM
|
6
|
Maszyny wektorów wspierających II (wersja w notebooku)
|
|
|
|
Klasyfikacja z użuciem SVM 2
|
7
|
Drzewa decyzyjne(wersja w notebooku)
|
|
|
|
Wybor optymalnych cech
Drzewa decyzyjne Drzewa decyzyjne (notebook)
|
8
|
Uczenie bez nadzoru (wersja w notebooku)
|
|
|
|
Uczenie bez nadzoru i analiza skupień notebook
|
9
|
Wstęp o sieciach neuronowych, sieci neuronowe liniowe.,/,Perceptron Rosenblatta. (wersja w notebooku)
|
|
|
|
Nieliniowe sieci neuronowe: problem XOR
Sieci głębokie (notebook)
|
10
|
Nieliniowości różniczkowalne i metoda wstecznej propagacji błędu (wersja w notebooku)
Wsteczna propagacja błędu: jak poprawić zbieżność? (wersja w notebooku)
|
|
|
|
Regresja nielinowa implementacja w keras(notebook)
|
11
|
Sieci konwolucyjne (wersja w notebooku)
|
|
|
|
Augmentacja danych Porównanie kalsyfikacji cyfr za pomoca sieci gęstej i głębokiej (notebook)
|
12
|
Uczenie ze wzmocnieniem (wersja w notebooku)
Uczenie ze wzmocnieniem cz.2 w notebooku)
|
|
|
|
Uczenie ze wzmocnieniem (notebook)
|
13
|
Interpretacja i wyjaśnianie decyzji podejmowanych przez sieci
Zastosowanie sieci do analizy danych EEG
|
|
|
Interpretowalne ML
|