Uczenie maszynowe i sztuczne sieci neuronowe

Z Brain-wiki


UWAGA: terminy egzaminów z części teoretycznej:

  • 18 czerwca 2018, godz. 13:15-15:15, termin I, sala 1.01
  • 12 września 2018, godz. 10:00-12:00, termin poprawkowy, sala 1.01


Zasady zaliczenia 2018/19 Przejście do: Ćwiczeń

Wykłady

  1. Wstęp, regresja liniowa i metoda najmniejszych kwadratów (wersja w notebooku)
  2. Klasyfikacja i regresja logistyczna (wersja w notebooku)
  3. Ocena jakości klasyfikacji (wersja w notebooku)
  4. Algorytmy generatywne (wersja w notebooku)
  5. Maszyny wektorów wspierających I (wersja w notebooku)
  6. Maszyny wektorów wspierających II (wersja w notebooku)
  7. Drzewa decyzyjne(wersja w notebooku)
  8. Uczenie bez nadzoru (wersja w notebooku)
  9. Wstęp o sieciach neuronowych, sieci neuronowe liniowe. / Perceptron Rosenblatta. (wersja w notebooku)
  10. Nieliniowości różniczkowalne i metoda wstecznej propagacji błędu (wersja w notebooku)
  11. Wsteczna propagacja błędu: jak poprawić zbieżność? (wersja w notebooku)
  12. Sieci konwolucyjne (wersja w notebooku)
  13. Uczenie ze wzmocnieniem (wersja w notebooku)
  14. Uczenie ze wzmocnieniem cz.2 (wersja w notebooku)


Wykłady Ćwiczenia
1 Wstęp, regresja liniowa i metoda najmniejszych kwadratów (wersja w notebooku)
Regresja liniowa. Dla chętnych dodatkowo: Regresja liniowa jako filtr i zastosowanie do modelowania szeregu czasowego.
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 wizualzacji zbioru danych i klasyfikacji,bayesowskiejĆwiczenie 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

8 Uczenie bez nadzoru (wersja w notebooku)
Uczenie bez nadzoru i analiza skupień
9 Wstęp o sieciach neuronowych, sieci neuronowe liniowe.,/,Perceptron Rosenblatta. (wersja w notebooku)
Nieliniowe sieci neuronowe: problem XOR

Funkcja logiczna - implementacja w Keras(notebook)

10 Nieliniowości różniczkowalne i metoda wstecznej propagacji błędu (wersja w notebooku)
Regresja nielinowa implementacja w keras(notebook)
11 Wsteczna propagacja błędu: jak poprawić zbieżność? (wersja w notebooku)
12 Sieci konwolucyjne (wersja w notebooku)
Porównanie kalsyfikacji cyfr za pomoca sieci gęstej i głębokiej (notebook)
13 Uczenie ze wzmocnieniem (wersja w notebooku)

Uczenie ze wzmocnieniem cz.2 w notebooku)

Uczenie ze wzmocnieniem (notebook)
14

Powtórka

  1. Zagadnienia do powtórki