Uczenie maszynowe i sztuczne sieci neuronowe cw

Przejście do Wykładów

Konfiguracja środowiska

Ćwiczenia:

1. Regresja liniowa. (Wersja w jupyter notebook). Dla chętnych praca domowa: Regresja liniowa jako filtr i zastosowanie do modelowania szeregu czasowego.
2. Regresja logistyczna (W2), walidacja, krzywe ROC(W3)
   • Ćwiczenie regresji logistycznej (notebook).
   • Ćwiczenie z miarami jakości (notebook)
3. Klasyfikacja Bayesowska, modele generatywne (irysy i klasyfikacja tekstów)
   • Ćwiczenie z wizualzacji zbioru danych i klasyfikacji bayesowskiej (naotebook)
   • Ćwiczenie z klasyfikacji tekstów za pomocą klasyfikacji bayesowskiej (notebook)
4. Klasyfikacja z użyciem SVM
   • notebook
5. Klasyfikacja z użuciem SVM 2
6. Wybor optymalnych cech
7. Drzewa decyzyjne
8. Uczenie bez nadzoru i analiza skupień
9. Nieliniowe sieci neuronowe: problem XOR
   • Funkcja logiczna - implementacja w Keras(notebook)
10. Regresja nieliniowa
    • implementacja w keras(notebook)
11. Klasyfikacja z użyciem nieliniowej sieci neuronowej
    • Porównanie kalsyfikacji cyfr za pomoca sieci gęstej i głębokiej (notebook)
12. Uczenie ze wzmocnieniem (notebook)
13. Projekty