Παρουσίαση/Προβολή

(3745) -  ΘΕΜΟΣ ΣΤΑΦΥΛΑΚΗΣ

Περιγραφή Μαθήματος

Εισαγωγή στις γενικές τεχνικές μάθησης: Μάθηση με επίβλεψη, μάθηση χωρίς επίβλεψη και ενισχυτική μάθηση. Εισαγωγή στην πιθανοτική μοντελοποίηση και τις στατιστικές τεχνικές μάθησης. Μέθοδοι βελτιστοποίησης και οι τεχνικές ανοδικής και καθοδικής κλίσης. Γραμμικά και πολυωνυμικά μοντέλα παλινδρόμησης και κατηγοριοποίησης δεδομένων. Η πολυδιάστατη κανονική κατανομή και οι ιδιότητές της. Οι μέθοδοι πυρήνα και οι μηχανές διανυσμάτων υποστήριξης (support vector machines). Πιθανοτικά γραφικά μοντέλα και υπό συνθήκη ανεξαρτησία τυχαίων μεταβλητών. Η εκθετική οικογένεια κατανομών και τα γενικευμένα γραμμικά μοντέλα. Ο αλγόριθμος Προσδοκίας-Μεγιστοποίησης (Expectation-Maximization, EM) για ομαδοποίηση και εκτίμηση πυκνότητας πιθανότητας. Δυναμικά Markov μοντέλα, κρυφά μοντέλα Markov, και οι αλγόριθμοι Viterbi, Forward και Forward-Backward. Εισαγωγή στα νευρωνικά δίκτυα και τη βαθιά μάθηση: Συνελικτικές (convolutional), και αναδρομικές (recurrent) αρχιτεκτονικές. Ο μηχανισμός εστίασης (attention) και η αρχιτεκτονική μετασχηματιστών (Transformers). Ο αλγόριθμος εκπαίδευσης backpropagation.

Ημερομηνία δημιουργίας

Πέμπτη, 20 Φεβρουαρίου 2014