Informacje i materiały dodatkowe do przedmiotu uczenie maszynowe
Przedmiot dla studentów Informatyki, specjalności ISWD oraz ITI
(Politechnika Poznanska) - edycja 2020 w trudnym okresie
Prowadzący:
dr hab. inż.
Jerzy Stefanowski , prof. nadzw.
Z uwagi na zawieszone zajęcia prosimy o kontakt emailowy + uruchomię możliwości konsulatacje przez komunikatory
Poniżej różne materiały ułatwiajace samodzielne studiowanie i rozszerzajace wiedzę z zakresu kolejnych wykładów
-
Indukcja drzew oraz ich upraszczanie (ang. pruning)
-
Indukcja reguł
-
Klasyfikacja bayesowska
Wstępnie polecam wykłady prof. T.Mitchella z Carnegie Mellon University - Naive Bayes; w szczególności
youtube lecture
-
Klasyfikator k najbliższych sąsiadów
- Właściowości teoretyczne
algorytmu k-NN, zawierają także rozszerznie interpretacji probabilistycznej jako ball kernal estimator oraz ważne pojęcie bias-variance decomposition
- Tekst wytłumaczenia bias-variance decomposition esej Scott Fortmann-Roe [w j.angielskim] z odniesniem do k-NN
-
Metody oceny klasyfikatorów - miary oraz eksperymentalne oszacowanie
-
Klasyfikatory liniowe / analiza dyskryminacyjna
-
Metody wektorów wspierajacych (support vector machines)
-
Zespoly klasyfikatorow (ensembles / multiple classsifiers)
-
Wybrane sieci neuronowe MLP i RBF
-
Grupowanie i sieci neuronowe Kohonena
-
Poszukiwanie reguł asocjacyjnych
-
Indukcyjne programowanie w logice
-
Uwagi koncowe
Dalsze materiały beda stopniowo umieszczane na stronie i przede wszystkim przekazywane
emeilowo przez prowadzącego
Ostatnia aktualizacja -- Last revision: June 12, 2020 - J.Stefanowski