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.
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.