Περιγραφή μαθήματος

Κωδικός μαθήματος: ΜΥΕ002

Εβδομαδιαίες ώρες διδασκαλίας: 3,0,2

Εξάμηνο σπουδών: >=6

Διδακτικές Μονάδες: 4

Μονάδες ECTS: 5

Ιστοσελίδα Μαθήματος: http://www.cs.uoi.gr/~kblekas/courses/ML/

Προσφερόμενο: Ακαδημαϊκό έτος 2024-2025

Προαπαιτούμενα:

Περιεχόμενο:

• Εισαγωγή, βασικές έννοιες και βασικά προβλήματα της Μηχανικής Μάθησης. Είδη μάθησης, Δεδομένα και βασικά εργαλεία ανάλυσης. Έννοιες πιθανοτήτων και στατιστικής.
• Γραμμική παλινδρόμηση (linear regression) και επεκτάσεις.
• Μέθοδοι ταξινόμησης (classification), Ταξινόμηση με τον κοντινότερο γείτονα, Γραμμικοί ταξινομητές, ο αλγόριθμος Perceptron, Μηχανές διανυσμάτων υποστήριξης (SVMs).
• Μη-γραμμικοί ταξινομητές, Νευρωνικά δίκτυα.
• Στατιστική ταξινόμηση, απόφαση κατά Bayes, πιθανότητα σφάλματος ταξινόμησης.
• Εκτίμηση κατανομής, μέθοδος παραθύρων Parzen, παραμετρικές μέθοδοι εκτίμησης, εκτιμητές μεγίστης πιθανοφάνειας.
• Μάθηση χωρίς επίβλεψη, μέθοδοι ομαδοποίησης δεδομένων, ο αλγόριθμος των Κ-μέσων (k-means), Ιεραρχικές μέθοδοι ομαδοποίησης, Φασματική ομαδοποίηση, ομαδοποίηση με μικτά παραμετρικά μοντέλα.
• Μείωση διάστασης δεδομένων, Επιλογή και εξαγωγή χαρακτηριστικών, η μέθοδος PCA ανάλυσης πρωτευουσών συνιστωσών, η μέθοδος ICA ανάλυσης ανεξάρτητων συνιστωσών, η μέθοδος LDA γραμμικής διακριτικής ανάλυσης.
• Ενισχυτική Μάθηση και αυτόνομοι πράκτορες.

Παρατηρήσεις:

Από το ακαδημαϊκό έτος 2020-2021 το μάθημα ΜΥΕ002 «Αναγνώριση Προτύπων» μετονομάζεται σε ΜΥΕ002 «Μηχανική Μάθηση» με την κατάλληλη τροποποίηση της ύλης.