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: