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.
     

    Kontakt

    Glavni kontakt:
    e-pošta: info.stat (at) uni-lj.si

    Kontakt za administrativna vprašanja (vpis, tehnična vprašanja):
    Tanja Petek
    Univerza v Ljubljani, Fakulteta za elektrotehniko, Tržaška cesta 25, 1000 Ljubljana.
    št. sobe: AN012C-ŠTU
    telefon: 01 4768 460
    e-pošta: tanja.petek (at) fe.uni-lj.si