PI-BDA-104 - Algorytmy Uczenia Maszynowego

Nazwa w drugim języku: 

Machine Learning

Cel przedmiotu: 

Celem przedmiotu jest zapoznanie studentów z podstawowymi algorytmami uczenia maszynowego. Omawiane będą algorytmy eksploracji danych (uczenie bez nadzoru), jak również algorytmy regresji i rozpoznawania wzorców. Przedmiot ten jest wstępem teoretycznym stanowiącym przegląd większości współcześnie wykorzystywanych rozwiązań algorytmicznych w Uczeniu maszynowym.

Treści kształcenia: 

1. Metody klasteryzacji (metody optymalizacyjne i hierarchiczne).
2. Algorytmy regresji.
3. Dobór zmiennych i funkcje kary.
4. Algorytmy klasyfikacji.
5. Ensembling (wzmacnianie klasyfikatorów).

Bibliografia: 

• Pattern Recognition S. Theodoridis, K. Koutroumbas
• The Elements of Statistical Learning T. Hastie, R. Tibshirani, J. Friedman
• An Introduction to Statistical Learning G. James, D. Witten, T. Hastie, R. Tibshirani
• Combining Pattern Classifiers L. I. Kuncheva
• Introduction to Machine Learning A. Smola, S.V.N. Vishwanathan
• Statystyczne systemy uczące się J. Koronacki, J. Ćwik
• Systemy uczące się M. Krzyśko, W. Wołyński, T. Górecki, M. Skorzybut

Metody oceny: 

- ocena z projektu

Efekty kształcenia: 

-

Uwagi: 

-

Przedmioty na których bazuje dany przedmiot (prerekwizyty):