Uczenie się maszyn (UM)

dr inż. Paweł Cichosz
http://tichy.ise.pw.edu.pl/~pawel/um/index.html

Godziny zajęć tygodniowo

W C L P
2 - - 1

Atrybuty przedmiotu

jd = 3

Cel przedmiotu

Celem przedmiotu jest zapoznanie studentów z wybranymi algorytmami wykorzystywanymi przy konstruowaniu systemów uczących się.

Powiązania z innymi przedmiotami

Przedmiot wiąże się tematycznie z innymi przedmiotami z zakresu sztucznej inteligencji, zwłaszcza dotyczącymi metod reprezentacji wiedzy i wnioskowania, systemów ekspertowych i sztucznych sieci neuronowych. Wymagana jest umiejętność programowania przynajmniej w jednym z języków Java, C++, C, Pascal lub Lisp.

Treść wykładu

Rola uczenia się w sztucznej inteligencji i klasyfikacja metod uczenia się. Obliczeniowa teoria uczenia się (model PAC, wymiar VC). Metody uczenia się pojęć na podstawie przykładów: przestrzenie wersji (algorytm CAE), indukcja drzew decyzyjnych (algorytm ID3 i rozszerzenia), indukcja reguł decyzyjnych (algorytmy AQ, CN2), konstruktywna indukcja, metody dyskretyzacji atrybutów ciągłych. Grupowanie pojęciowe (algorytmy CLUSTER/2, COBWEB). Metody oparte na zasadzie minimalnej długości kodu (MDL/MML). Metoda generalizacji na podstawie wyjaśnień i jej zastosowanie do rozwiązywania problemów. Odkrywanie zależności w danych: data mining, scientific discovery. Uczenie się automatów skończonych na podstawie zapytań i eksperymentów. Uczenie się ze wzmocnieniem: algorytm Q-learning, metody TDtex2html_wrap_inline41. Ewolucyjne metody uczenia się: systemy klasyfikatorowe, wykorzystanie przeszukiwania genetycznego w wybranych algorytmach uczących się pojęć.

Zakres projektu

Projekt, wykonywany indywidualnie lub w zespołach 2-3 osobowych, polegać będzie na implementacji omawianych na wykładzie algorytmów uczenia się i przeprowadzeniu eksperymentów mających na celu empiryczne zbadanie ich właściwości.

Forma zaliczenia

Przedmiot zaliczany jest na podstawie wyników dwóch kolokwiów (40%), projektu (40%) i pracy domowej (20%), polegającej na przeprowadzeniu eksperymentów z dostarczonymi programami uczącymi się albo na przeczytaniu i opracowaniu 1-2 publikacji.

Literatura

  1. Bolc, L., Zaremba, J.. Wprowadzenie do uczenia się maszyn. Akademicka Oficyna Wydawnicza RM, Warszawa, 1992.
  2. Mitchell, T. M. Machine Learning. McGraw-Hill, 1997.
  3. Michalski, R. S. et al. (Eds.). Machine Learning: An Artificial Intelligence Approach. Morgan Kaufmann, vol. 1, 1983, vol. 2, 1986, vol. 3, 1990, vol. 4, 1993.
  4. Publicacje w czasopismach: Machine Learning, Artificial Intelligence, Journal of Artificial Intelligence Research.

About this document ...

This document was generated using the LaTeX2HTML translator Version 96.1-h (September 30, 1996) Copyright © 1993, 1994, 1995, 1996, Nikos Drakos, Computer Based Learning Unit, University of Leeds.

The command line arguments were:
latex2html -split 0 -no_navigation -html_version 3.0 um-konspekt.

The translation was initiated by Pawel Cichosz on Wed May 20 15:18:16 CEST 1998

Pawel Cichosz
Wed May 20 15:18:16 CEST 1998