Uczenie maszynowe i sztuczne sieci neuronowe

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