Uczenie maszynowe i sztuczne sieci neuronowe

Wyniki egzaminu z części teoretycznej: https://docs.google.com/spreadsheets/d/1fzujH7LDf2eo5uUb6fvwn2CjFdW4dYEKGsYwHSc60zQ/edit?usp=sharing

Przejście do: Ćwiczeń

Wykłady

1. Wstęp, regresja liniowa i metoda najmniejszych kwadratów
2. Klasyfikacja i regresja logistyczna
3. Ocena jakości klasyfikacji
4. Algorytmy generatywne
5. Maszyny wektorów wspierających I
6. Maszyny wektorów wspierających II
7. Drzewa decyzyjne
8. Uczenie bez nadzoru

1. Wstęp o sieciach neuronowych, sieci neuronowe liniowe
2. Perceptron Rosenblatta
3. Nieliniowości różniczkowalne i metoda wstecznej propagacji błędu
4. Wsteczna propagacja błędu: jak poprawić zbieżność?

1. Zagadnienia do powtórki