Uczenie maszynowe i sztuczne sieci neuronowe cw: Różnice pomiędzy wersjami
Z Brain-wiki
m (→Ćwiczenia:) |
m (→Ćwiczenia:) |
||
| (Nie pokazano 22 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|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 8|Regresja logistyczna (W2), walidacja, krzywe ROC(W3)]] | |
| − | # [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 8|Regresja logistyczna]] | + | #* [https://drive.google.com/open?id=1QyygSjtzI9iNile4e8Qlcur7Qn0r_VRN Ćwiczenie regresji logistycznej (notebook)]. |
| − | # [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 9|Klasyfikacja Bayesowska, modele generatywne]] | + | #* [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]] | # [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 10|Klasyfikacja z użyciem SVM]] | ||
| − | #[[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/SVM2 | Klasyfikacja z użuciem SVM 2]] | + | #* [https://drive.google.com/open?id=13Q6pB7R8v-BkdMwCyMrJUJui5mU-k9wi notebook] |
| − | #[[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Wybor_cech |Wybor optymalnych cech]] | + | # [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/SVM2 | Klasyfikacja z użuciem SVM 2]] |
| − | # [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 4|Nieliniowe sieci neuronowe: problem XOR]] | + | # [[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]] | # [[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]] | # [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 7|Klasyfikacja z użyciem nieliniowej sieci neuronowej]] | ||
| − | #[[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/ | + | #* [https://drive.google.com/open?id=13MNs6R9le49DfexN6rnIsgVQlixJMJ0Z Porównanie kalsyfikacji cyfr za pomoca sieci gęstej i głębokiej (notebook)] |
| − | # [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia | + | #[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]] | ||
| + | -------------- | ||
| + | Stare tematy: | ||
| − | |||
| − | |||
| − | |||
| − | |||
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 12|Klasyfikacja obrazów]] | # [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 12|Klasyfikacja obrazów]] | ||
# [[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
Ćwiczenia:
- Regresja liniowa. (Wersja w jupyter notebook). Dla chętnych praca domowa: Regresja liniowa jako filtr i zastosowanie do modelowania szeregu czasowego.
- Regresja logistyczna (W2), walidacja, krzywe ROC(W3)
- Klasyfikacja Bayesowska, modele generatywne (irysy i klasyfikacja tekstów)
- Klasyfikacja z użyciem SVM
- Klasyfikacja z użuciem SVM 2
- Wybor optymalnych cech
- Drzewa decyzyjne
- Uczenie bez nadzoru i analiza skupień
- Nieliniowe sieci neuronowe: problem XOR
- Regresja nieliniowa
- Klasyfikacja z użyciem nieliniowej sieci neuronowej
- Uczenie ze wzmocnieniem (notebook)
- Projekty
