Uczenie maszynowe i sztuczne sieci neuronowe: Różnice pomiędzy wersjami

Z Brain-wiki
m
m
 
Linia 40: Linia 40:
 
| 1
 
| 1
 
| [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Wykład 1|Wstęp, regresja liniowa i metoda najmniejszych kwadratów]] [https://drive.google.com/file/d/0BzwQ_Lscn8yDUTFmVnJ1QXpuVGs/view?usp=sharing&resourcekey=0-VTr-BMBrfkYGI0sGhTJ8Pg (wersja w notebooku)]
 
| [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Wykład 1|Wstęp, regresja liniowa i metoda najmniejszych kwadratów]] [https://drive.google.com/file/d/0BzwQ_Lscn8yDUTFmVnJ1QXpuVGs/view?usp=sharing&resourcekey=0-VTr-BMBrfkYGI0sGhTJ8Pg (wersja w notebooku)]
−
|  
+
| [https://drive.google.com/file/d/1E4W5j8Z5yxfe0n804I8zJIM1QyQs-oZK/view?usp=sharing Powtórka numpy]
 
|-
 
|-
 
|  
 
|  
−
|  
+
|
−
| [https://drive.google.com/open?id=0BzwQ_Lscn8yDWnZVeHU1MjluWFU Regresja liniowa]. Dla chętnych dodatkowo: [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 2|Regresja liniowa jako filtr i zastosowanie do modelowania szeregu czasowego]].
+
| [https://drive.google.com/file/d/1P86RKJfMFU54xYT9umP7fwCRF800iC0v/view?usp=sharing Regresja liniowa].
 
|-
 
|-
 
| 2
 
| 2
−
| [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Wykład 6|Klasyfikacja i regresja logistyczna]] [https://drive.google.com/file/d/0BzwQ_Lscn8yDZ3lxUkFCeUxmUlE/view?usp=sharing&resourcekey=0-njFGTXVmQG5rAUN5BuoOng (wersja w notebooku)]
+
| [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Wykład 6|Klasyfikacja i regresja logistyczna]] [https://drive.google.com/file/d/11JKqVTSjeQNSUSkzhHZEML5hrggDJx8b/view?usp=sharing (wersja w notebooku)]
 
|  
 
|  
 
|-
 
|-
 
|  
 
|  
 
|  
 
|  
−
| [https://drive.google.com/open?id=1QyygSjtzI9iNile4e8Qlcur7Qn0r_VRN Ćwiczenie regresji logistycznej]
+
| [https://drive.google.com/file/d/11JKqVTSjeQNSUSkzhHZEML5hrggDJx8b/view?usp=sharing Ćwiczenie regresji logistycznej]
 
|-
 
|-
 
| 3
 
| 3
Linia 60: Linia 60:
 
|  
 
|  
 
|  
 
|  
−
| [https://drive.google.com/open?id=16srziWO2XRWYY8AVY9Px_05RQQdYY5jA Ćwiczenie z miarami jakości]
+
| [https://drive.google.com/file/d/1UYCo2wuC8BHnssZJRBZJfyvdQFsmwS1O/view?usp=sharing Ćwiczenie z miarami jakości]
 
|-
 
|-
 
| 4
 
| 4
Linia 68: Linia 68:
 
|  
 
|  
 
|  
 
|  
−
| [https://drive.google.com/open?id=18GZJRU1jLT766DuWKP8HaxfM0leRXJlH Ćwiczenie z wizualzacji zbioru danych i klasyfikacji,bayesowskiej][https://drive.google.com/open?id=1BY9TSukNLV3VgtNdHpcgWofeAtVF4yku Ćwiczenie z klasyfikacji tekstów za pomocą klasyfikacji bayesowskiej (notebook)]
+
| [https://drive.google.com/file/d/17T3h2QUwCJA7QqnC-IHuIQeEBOZ8kJqW/view?usp=sharing Ćwiczenie z klasyfikacji bayesowskiej] <br> [https://drive.google.com/file/d/1mO64cJnEWJ98K8NTvGHfI1rA7fEb2DLi/view?usp=sharing Ćwiczenie z klasyfikacji tekstów za pomocą klasyfikacji bayesowskiej (notebook)]
 
|-
 
|-
 
| 5
 
| 5
Linia 76: Linia 76:
 
|  
 
|  
 
|  
 
|  
−
| [https://drive.google.com/open?id=13Q6pB7R8v-BkdMwCyMrJUJui5mU-k9wi Klasyfikacja z użyciem SVM]
+
| [https://drive.google.com/file/d/1QTOK6B8jPrP3J7NW2I93q3WZJ1CAWN_H/view?usp=sharing Klasyfikacja z użyciem SVM]
 
|-
 
|-
 
| 6
 
| 6
Linia 94: Linia 94:
 
| [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Wybor_cech |Wybor optymalnych cech]]
 
| [[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/DrzewaDecyzyjne_cw|Drzewa decyzyjne]] [https://drive.google.com/file/d/1hvGjF1fofv0tBNfZj5-eD2gYF94CqFTf/view?usp=sharing Drzewa decyzyjne (notebook)]
 
|-
 
|-
 
| 8
 
| 8
Linia 102: Linia 102:
 
|  
 
|  
 
|  
 
|  
−
| [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 11|Uczenie bez nadzoru i analiza skupień]]
+
| [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 11|Uczenie bez nadzoru i analiza skupień]]  [https://drive.google.com/file/d/1hNxYTzh541JhFoaYbo3Pc6LHnzsrsMX6/view?usp=sharing notebook]
 
|-
 
|-
 
| 9
 
| 9
Linia 112: Linia 112:
 
| [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 4|Nieliniowe sieci neuronowe: problem XOR]]
 
| [[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)]
+
[https://drive.google.com/file/d/1B7nS1zs2begRPK6ye2IH4p__sZDccLs_/view?usp=sharing Sieci głębokie (notebook)]
 
|-
 
|-
 
| 10
 
| 10
Linia 130: Linia 130:
 
|  
 
|  
 
|  
 
|  
−
| [https://drive.google.com/open?id=13MNs6R9le49DfexN6rnIsgVQlixJMJ0Z Porównanie kalsyfikacji cyfr za pomoca sieci gęstej i głębokiej (notebook)]
+
| [https://drive.google.com/file/d/1MX6CSJH7bQ6dcsulN3kyit4SgKtGUlTj/view?usp=sharing Augmentacja danych]<br>[https://drive.google.com/open?id=13MNs6R9le49DfexN6rnIsgVQlixJMJ0Z Porównanie kalsyfikacji cyfr za pomoca sieci gęstej i głębokiej (notebook)]
 
|-
 
|-
 
| 12
 
| 12
Linia 149: Linia 149:
 
|  
 
|  
 
|  
 
|  
−
|  
+
| [https://drive.google.com/file/d/1mAspITelZmAMZP3JkghETcB7UbIbEt5x/view?usp=sharing Interpretowalne ML]
 
|}
 
|}
  

Aktualna wersja na dzień 15:01, 14 lip 2022


Zasady zaliczenia

Konfiguracja środowiska


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

Powtórka

  1. Zagadnienia do powtórki

Projekty

Projekty

Źródło: „http://brain.fuw.edu.pl/edu/index.php?title=Uczenie_maszynowe_i_sztuczne_sieci_neuronowe&oldid=8914”