Uczenie maszynowe i sztuczne sieci neuronowe cw: Różnice pomiędzy wersjami

Z Brain-wiki
 
(Nie pokazano 31 wersji utworzonych przez 2 użytkowników)
Linia 1: Linia 1:
 
[[Category:Przedmioty specjalizacyjne]]
 
[[Category:Przedmioty specjalizacyjne]]
 +
Przejście do [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe|Wykładów]]
 +
 +
[[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/konfiguracja|Konfiguracja środowiska]]
 
=Ćwiczenia:=
 
=Ćwiczenia:=
−
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 1|Ćwiczenia 1: Regresja liniowa]]
+
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 1|Regresja liniowa]]. ([https://drive.google.com/open?id=0BzwQ_Lscn8yDWnZVeHU1MjluWFU Wersja w jupyter  notebook]). Dla chętnych praca domowa:  [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 2|Regresja liniowa jako filtr i zastosowanie do modelowania szeregu czasowego]].
−
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 2|Ćwiczenia 2: Regresja liniowa jako filtr i zastosowanie do modelowania szeregu czasowego]]
+
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 8|Regresja logistyczna (W2), walidacja, krzywe ROC(W3)]]
 +
#* [https://drive.google.com/open?id=1QyygSjtzI9iNile4e8Qlcur7Qn0r_VRN Ćwiczenie regresji logistycznej (notebook)].
 +
#* [https://drive.google.com/open?id=16srziWO2XRWYY8AVY9Px_05RQQdYY5jA Ćwiczenie z miarami jakości (notebook)]
 +
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 9|Klasyfikacja Bayesowska, modele generatywne (irysy i klasyfikacja tekstów)]]
 +
#* [https://drive.google.com/open?id=18GZJRU1jLT766DuWKP8HaxfM0leRXJlH Ćwiczenie z wizualzacji zbioru danych i klasyfikacji  bayesowskiej (naotebook)]
 +
#* [https://drive.google.com/open?id=1BY9TSukNLV3VgtNdHpcgWofeAtVF4yku Ćwiczenie z klasyfikacji tekstów za pomocą klasyfikacji bayesowskiej (notebook)]
 +
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 10|Klasyfikacja z użyciem SVM]]
 +
#* [https://drive.google.com/open?id=13Q6pB7R8v-BkdMwCyMrJUJui5mU-k9wi notebook]
 +
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/SVM2 | Klasyfikacja z użuciem SVM 2]]
 +
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Wybor_cech |Wybor optymalnych cech]]
 +
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/DrzewaDecyzyjne_cw|Drzewa decyzyjne]]
 +
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 11|Uczenie bez nadzoru i analiza skupień]]
 +
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 4|Nieliniowe sieci neuronowe: problem XOR]]
 +
#* [https://drive.google.com/open?id=1noLNIOO7C0nGvtqtkHSkkjZffqtBXJOw Funkcja logiczna - implementacja w Keras(notebook)]
 +
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 5|Regresja nieliniowa]]
 +
#* [https://drive.google.com/open?id=1hU0nVe6l9ubPbHFgRoMGn2PRGAhAnQCu implementacja w keras(notebook)]
 +
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 7|Klasyfikacja z użyciem nieliniowej sieci neuronowej]]
 +
#* [https://drive.google.com/open?id=13MNs6R9le49DfexN6rnIsgVQlixJMJ0Z Porównanie kalsyfikacji cyfr za pomoca sieci gęstej i głębokiej (notebook)]
 +
#[https://drive.google.com/open?id=18j357je8pSXi3SOYZgK1qp1KWrMsEc2Z Uczenie ze wzmocnieniem (notebook)]
 +
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Projekty|Projekty]]
 +
<!-- https://dashee87.github.io/data%20science/deep%20learning/python/another-keras-tutorial-for-neural-network-beginners/ -->
 
<!--# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 3|Ćwiczenia 3: Neuron liniowy jako filtr adaptywny]]
 
<!--# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 3|Ćwiczenia 3: Neuron liniowy jako filtr adaptywny]]
−
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 4|Ćwiczenia 4: Nieliniowe sieci neuronowe: problem XOR]]
+
 
−
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 5|Cwiczenia 5 i 6: Regresja nieliniowa]]
+
--------------
−
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 7|Ćwiczenia 7: Klasyfikacja z użyciem nieliniowej sieci neuronowej]]-->
+
Stare tematy:
−
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 8|Ćwiczenia 8: Regresja logistyczna]]
+
 
−
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 11|Ćwiczenia 10: Uczenie bez nadzoru i analiza skupień]]
+
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 12|Klasyfikacja obrazów]]
−
<!--# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 9|Ćwiczenia 9: Klasyfikacja Bayesowska, modele generatywne]]-->
 
−
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 12|Ćwiczenia 11: Klasyfikacja obrazów]]
 
−
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 10|Ćwiczenia 9: Klasyfikacja z użyciem SVM]]
 
−
<!--
 
 
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 13|Ćwiczenia 12: Uczenie ze wzmocnieniem]]
 
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 13|Ćwiczenia 12: Uczenie ze wzmocnieniem]]
 
-->
 
-->

Aktualna wersja na dzień 09:17, 25 maj 2018

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)
  3. Klasyfikacja Bayesowska, modele generatywne (irysy i klasyfikacja tekstów)
  4. Klasyfikacja z użyciem SVM
  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
  10. Regresja nieliniowa
  11. Klasyfikacja z użyciem nieliniowej sieci neuronowej
  12. Uczenie ze wzmocnieniem (notebook)
  13. Projekty
Źródło: „http://brain.fuw.edu.pl/edu/index.php?title=Uczenie_maszynowe_i_sztuczne_sieci_neuronowe_cw&oldid=7771”