Napredne metode strojnega učenja
Vrsta predmeta:
obvezni modulski
Nosilec predmeta
izr. prof. dr. Aleksander Sadikov
Študijski program in stopnja
Uporabna statistika, druga stopnja
Študijska smer
Strojno učenje
Letnik
2.
Semester
1.
Predavalnica
Lokacija
O predmetu
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.