Uczenie maszynowe i sztuczne sieci neuronowe cw: Różnice pomiędzy wersjami

Z Brain-wiki
 
Linia 23: Linia 23:
 
# [[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]]
 
#* [https://drive.google.com/open?id=13MNs6R9le49DfexN6rnIsgVQlixJMJ0Z Porównanie kalsyfikacji cyfr za pomoca sieci gęstej i głębokiej (notebook)]
 
#* [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]]
 
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Projekty|Projekty]]
 
<!-- https://dashee87.github.io/data%20science/deep%20learning/python/another-keras-tutorial-for-neural-network-beginners/ -->
 
<!-- 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]]
−
-->
 
  
 
--------------
 
--------------
Linia 33: Linia 33:
 
# [[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

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”