Μάθημα : Τεχνητή Νοημοσύνη και Τεχνικές Μηχανικής Μάθησης
Κωδικός : DMML101
DMML101 - ΧΡΗΣΤΟΣ ΣΚΟΥΡΛΑΣ - ΚΛΕΙΩ ΣΓΟΥΡΟΠΟΥΛΟΥ - ΑΝΑΣΤΑΣΙΟΣ ΤΣΟΛΑΚΙΔΗΣ - ΧΡΗΣΤΟΣ ΤΡΟΥΣΣΑΣ
Ενότητες - Μελέτη, σχεδιασμός και εφαρμογή τεχνικών Παλινδρόμησης (Regression)
-
Θεματικές Ενότητες
-
Μεθοδολογία Διαχείρισης γνώσης από βάσεις δεδομένων
-
Επεξεργασία και διαχείριση δεδομένων και μεταβλητών
-
Μελέτη, σχεδιασμός και εφαρμογή τεχνικών Συσταδοποίησης (Clustering)
-
Μελέτη, σχεδιασμός και εφαρμογή Κανόνων Συσχετίσεων
-
Μελέτη, σχεδιασμός και εφαρμογή τεχνικών Κατηγοριοποίησης (Classification)
-
Μελέτη, σχεδιασμός και εφαρμογή τεχνικών Παλινδρόμησης (Regression)
-
Μεθοδολογία Διαχείρισης γνώσης από βάσεις δεδομένων
Μελέτη, σχεδιασμός και εφαρμογή τεχνικών Παλινδρόμησης (Regression)
Σκοπός της διδακτικής ενότητας είναι η μελέτη και εφαρμογή των βασικών μοντέλων γραμμικής παλινδρόμησης.
Οι αλγόριθμοι θα παρουσιαστούν μέσω παραδειγμάτων και τα αποτελέσματα τους θα αξιολογηθούν με σκοπό την επιλογή του βέλτιστου αλγορίθμου. Μετά το πέρας της Διδακτικής Ενότητας οι εκπαιδευόμενοι θα μπορούν να:
- Προετοιμάζουν και μετατρέπουν τα δεδομένα στην απαραίτητη μορφή προκειμένου να εκτελεστεί ο αλγόριθμος
- Εφαρμόζουν τους αλγορίθμους γραμμικής παλινδρόμησης
- Χτίζουν μοντέλα ανάλυσης
- Εφαρμόζουν μοντέλα ανάλυσης
- Ερμηνεύουν και να αξιολογούν τα αποτελέσματα.