Strojové učenie - Machine Learning

Zima 2016/2017

2-INF-150

Prednášky a cvičenia
    B, utorok 11:30
    F2, štvrtok 08:10 Pavel Petrovič, I-19, petrovicfmph.uniba.sk

Hodnotenie
    zadania z cvičení: 40%, minimum: 20%
    projekt: 20%, minumum: 10%
    skúška: 40%, minimum 20%

    Skúška bude písomná s prípadným ústnym pokračovaním

Kontakt
     e-mail: petrovicfmph.uniba.sk


Stránky z predchádzajúcich rokov

Prednášky

V nasledujúcom je zatiaľ napísané, podľa ktorých zdrojov sa materiál na prednáškach preberal, takže si to môžete podľa toho preštudovať/zopakovať, ale rozpíšem to ešte aj v čitateľnejšej forme. 20.9. Úvod
21.9. Motivačná prednáška
27.9. Druhy strojového učenia a jeho vlasnosti
28.9. Version spaces, concept learning, analýza algoritmu Candidate-Elimination, induktívny bias
4.10. Linárna regresia
5.10. Odvodenie
11.10. Gradientové metódy regresie a klasifikácie
12.10. Úvod do teórie učenia, porovnanie hypotéz, algoritmov
18.10. Pokračovanie teórie: PAC, VC-dimenzia
19.10. PAC, VC, ďalšie odhady, príklady
25.10. Rozhodovacie stromy
26.10. Bayesovské učenie
2.11. SVM
8.11. Model ensembles, zhlukovanie, PCA
15.11. Príprava dát (data exploration), príklad: fluktuácia zákazníkov, príklad: klasifikácia galaxií
16.11. Vyhodnocovanie dát
22.11. HMM
23.11. MDP
29.11. POMDP
30.11. RL
6.12. Kalman filter
7.12. nie je
13.12. Pozvaná prednáška SWISS RE
14.12. nie je

Domáce úlohy

1. regresia
2. svm
3. PCA
4. RL
5. projekt

Doplňujúci materiál

• Bayesian Robot Programming
• Material for the book Probabilistic Robotics
• Tom Mitchell: Machine Learning - slides
• dokument o teórii učenia
• Bias - Variance tradeoff
• Burges(1998) Tutorial on SVM
• svm
• Lagrange
• KKT conditions
• svm tutorial
• ICA tutorial
• machinelearningbook.com

Platí fair-play v zmysle štúdijného poriadku.