Napredne metode strojnega učenja
Vrsta predmeta: obvezni modulski
Nosilec predmeta: doc. dr. Aleksander Sadikov
| Študijski program in stopnja | Študijska smer | Letnik | Semester |
|---|---|---|---|
| Uporabna statistika, druga stopnja | Strojno učenje | 2. | 1. |
Za podrobnejšo časovno razporeditev glej predmetnik.
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti:
- Vpis v program.
Vsebina:
• Metode Bayesove statistike: Gaussovi procesi, Dirichletovi procesi, metode MCMC, strukturne aproksimacije.
• Globoko učenje: Boltzmannovi stroji, avtomatski kodirniki, konvolucijske nevronske mreže.
• Teorija učenja: učenje PAC, dimenzija VC.
• Druge izbrane teme: učenje z več jedri, učenje več nalog, vzpodbujevalno učenje.
Cilji in kompetence:
Glavni cilj predmeta je študente seznaniti z naprednimi pristopi v strojnem učenju. Enak poudarek je na praktični uporabi metod in razumevanju matematičnega ter algoritmičnega ozadja.
Predvideni študijski rezultati:
Znanje in razumevanje: Razumevanje naprednih metod strojnega učenja ter matematičnega in algoritmičnega ozadja.
Uporaba: Napredne metode strojnega učenja lahko uporabimo pri reševanju najbolj zahtevnih praktičnih problemov s področja analize podatkov. Koncepti, ki jih spoznamo pri tem predmetu so temeljni za nadaljnje metodološke in teoretične raziskave v strojnem učenju.
Refleksija: Razumevanje teorije na podlagi primerov uporabe. Razumevanje povezav med strojnim učenjem in statistiko.
Prenosljive spretnosti: Sposobnost analitičnega razmišljanja in raziskovalnega dela. Sposobnost reševanja praktičnih problemov analize podatkov.
