Klasszikus gépi tanulás (lev. BSc)
Tanszék: Alkalmazott és Numerikus Matematika Tanszék
Tematika:
0. Python alapismeretek:
- numpy
- sklearn
- pytorch
1. Lineáris Bázisfüggvény Modellek
- Lineáris regresszió (egy- és többváltozós)
- polinomiális regresszió
2. A gépi tanulás alapproblémái
- alul- és túltanulás, regularizáció
- bias-variance trade-off
- tulajdonsághalmaz kiválasztása statisztikai módszerekkel
3. Klasszifikációs problémák
- diszkriminatív modellek: Fisher diszkrimináns, perceptron modell
- valószínűségi diszkriminatív modell: logisztikus regresszió
- valószínűségi generatív modellek folytonos és diszkrét tulajdonságtér esetén
4. Support Vector Machine modellek alkalmazása regressziós és klasszifikációs problémákra
5. Döntési fák
- döntési fák, véletlen erdők
- boosting, bagging
6. Bevezetés a mélytanulásba
Előfeltétel: