podstawy uczenia maszynowego

about:

Wykład, ćwiczenia oraz laboratoria prowadzone w semestrze letnim 2019/20.
Prowadzący: Jarosław Miszczak
Wsparcie: Kamil Książek
Wykład: środy, s. 315, laboratorium budownictwa
Laboratorium: wtorki i środy
Zajęcia zdalne: 17-18.03, 24-25.03
Karta przedmiotu

news:

28/02/2020 - Dodany pierwszy wykład.
04/03/2020 - Drugi wykład i ćwiczenia.
11/03/2020 - Trzeci wykład i przykładowy kod
18/03/2020 - Pierwsze materiały do zajęć zdalnych
25/03/2020 - Wykład zdalny Od regresji do klasyfikacji

wykłady:

Materiały z wykładu mogą być rozpowszechniane zgodnie z zasadami licencji CC BY-NC-SA 3.0 PL.

Wykład 01 – Wprowadzenie (26/02/2020)
Wykład 02 – Modele i dane (04/03/2020)
Ćwiczenia do wykładów 01 i 02 (04/03/2020)
Wykład 03 – Regresja i regularyzacja (przykłady: pearson-ex.py, normal-equation-ex.py) (11/03/2020)
Ćwiczenia do wykładu 03 (18/03/2020) [zdalnie]
Wykład 04 – Od regresji do klasyfikacji (przykłady: knn-regression-ex.py, lr-classification-ex.py) (25/03/2020) [zdalnie]

Kilka wykładów o podobnej tematyce:

Uczenie maszynowe i sztuczne sieci neuronowe, Zakład Fizyki Biomedycznej, Wydział Fizyki, Uniwersytet Warszawski, 2018/2019 oraz 2019/2020.
Machine learning, Laboratorium Informatyki w Katedrze Automatyki i Robotyki Akademii Górniczo-Hutniczej w Krakowie, 2019.
Piotr Szwed, Metody Eksploracji Danych, Katedra Informatyki Stosowanej, AGH, 2020.
Jerzy Stefanowski, Uczenie maszynowe i sieci neuronowe, Instytut Informatyki, Politechnika Poznańska.
Paweł Cichosz, Uczenie się maszyn, Politechnika Warszawska, Wydział Elektroniki i Technik Informacyjnych, 1997/1998.
Wodzisław Duch, Inteligencja Obliczeniowa, Wydział Fizyki, Astronomii i Informatyki Stosowanej, Uniwersytet Mikołaja Kopernika, 2009.
Philippe Rigollet, Mathematics of Machine Learning, MIT, 2015.

main page