Μηχανική Μάθηση (ΣΜΗΝ: Μέθοδοι Επεξεργασίας με Τεχνικές Μηχανικής Μάθησης)

Διδάσκοντες Γεώργιος Μουστακίδης, Προσωπική Ιστοσελίδα
E-mail: moustaki AT upatras DOT gr

Εμμανουήλ Ψαράκης, Προσωπική Ιστοσελίδα
E-mail: psarakis AT ceid DOT upatras DOT gr

Ανακοινώσεις Μπορείτε να δείτε τη βαθμολογία του μαθήματος ακολουθώντας τον σύνδεσμο: Βαθμολογία
Ωρολόγιο Πρόγραμμα

ΗΜΕΡΑ	ΩΡΑ	ΤΟΠΟΣ	ΠΑΡΑΤΗΡΗΣΕΙΣ
Τετάρτη	18:00-20:30	ΗΛ6	Διδασκαλία

Ημερολόγιο Μαθήματος Αναλυτική καταγραφή γεγονότων ανά εβδομάδα διδασκαλίας.
Περιεχόμενα

Βασικές έννοιες Πιθανοτήτων.

Αλγόριθμοι Μάθησης για επίλυση εξισώσεων και βελτιστοποίηση συναρτήσεων. Ανάλυση αλγορίθμων. Τεχνικές σύγκρισης.

Νευρωνικά Δίκτυα, ικανότητα προσέγγισης, ειδικές δομές και εκπαίδευσή τους (training).

Εξέταση υποθέσεων, λήψη αποφάσεων, ταξινόμηση (classification). Bayesian τεχνικές, Bayesian συνεπείς μέθοδοι εκπαίδευσης, λήψη αποφάσεων σε χρονοσειρές.

Δημιουργία υλοποιήσεων τυχαίων μεταβλητών με συγκεκριμένη κατανομή. Κλασικές μέθοδοι. Μέθοδοι βασισμένες σε μετασχηματισμούς και νευρωνικά δίκτυα. Μέθοδος με GNs (generative networks). Ανταγωνιστική εκπαίδευση GANs (generative adversarial networks), Εφαρμογή στη δημιουργία συνθετικών εικόνων. Πυκνότητα πιθανότητας vs generative μοντέλα για τυχαία σημεία σε επιφάνειες χαμηλότερης διάστασης.

Εκτίμηση τυχαίων παραμέτρων, Bayesian τεχνικές, εφαρμογή στην αποκατάσταση εικόνων και άλλα σχετικά προβλήματα. Χρήση GN σε προβλήματα αποκαταστάσης.

Εκτίμηση υπό συνθήκη μέσου όρου. Εφαρμογή σε προβλήματα στοχαστικής βελτιστοποίησης. reinforcement learning.