Παρουσίαση/Προβολή

ΥΛΗ ΜΑΘΗΜΑΤΟΣ «ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ»

• Εισαγωγή, τι είναι μηχανική μάθηση, γιατί χρειαζόμαστε τη μηχανική μάθηση, είδη μάθησης και σχέση με άλλα παρόμοια επιστημονικά πεδία, στατιστική μάθηση, εποπτευόμενη και μη εποπτευόμενη μάθηση
• Γραμμικά μοντέλα πρόβλεψης (π.χ. linear and logistic regression), boosting, bagging, βελτιστοποίηση
• Επιλογή μοντέλων και αξιολόγηση (π.χ. hold out, k-fold cross validation, bootstrap)
• Σύνοψη ταξινομητών (Νευρωνικά Δίκτυα, Μηχανές Διανυσμάτων Υποστήριξης (SVM))
• Εποπτευόμενη ΜΜ (Supervised Machine Learning),
• Mη-Εποπτευόμενη ΜΜ (Unsupervised Machine Learning),
• Ενισχυτική ΜΜ ( Reinforcement learning),
• Βαθιά ΜΜ (Deep Learning)
• Σχεδιασμός συστημάτων Μηχανικής Μάθησης

***ΣΗΜΕΙΩΣΗ ΔΙΔΑΣΚΟΝΤΟΣ: Το μάθημα είναι επιλογής και περιλαμβάνει εκτός του θεωρητικού μέρους και εφαρμοσμένο, όπως είναι ο σχεδιασμός και η ανάπτυξη αλγορίθμων και παράδοση εργασιών στο τέλος κάθε ενότητας. Καλό είναι οι φοιτητές που θα επιλέξουν το μάθημα να έχουν καλή γνώση και ευχέρεια προγραμματισμού. Το μάθημα γίνεται σε γλώσσα προγραμματισμού Python.