ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ
| Τίτλος | ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ / MACHINE LEARNING |
| Κωδικός | IS02 |
| Σχολή | Θετικών Επιστημών |
| Τμήμα | Πληροφορικής |
| Κύκλος / Επίπεδο | 2ος / Μεταπτυχιακό |
| Περίοδος Διδασκαλίας | Χειμερινή |
| Υπεύθυνος/η | Ιωάννης Βλαχάβας |
| Κοινό | Όχι |
| Κατάσταση | Ενεργό |
| Course ID | 40002247 |
| Τίτλος | ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ |
| Ακαδημαϊκό Έτος | 2017 – 2018 |
| Περίοδος Τάξης | Χειμερινή |
| Διδάσκοντες μέλη ΔΕΠ |
|
| Ώρες Εβδομαδιαία | 3 |
| Class ID | 600110508
|
Τύπος Μαθήματος 2016-2020
- Επιστημονικής Περιοχής
- Ανάπτυξης Δεξιοτήτων
Τύπος Μαθήματος 2011-2015
Ειδικού Υποβάθρου / Κορμού
Τρόπος Παράδοσης
- Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
- e-Οδηγός Σπουδών https://qa.auth.gr/el/class/1/600110508
- eLearning (Moodle): https://elearning.auth.gr/course/view.php?id=8135
Erasmus
Το μάθημα προσφέρεται και σε φοιτητές
προγραμμάτων ανταλλαγής.
Γλώσσα Διδασκαλίας
- Ελληνικά (Διδασκαλία, Εξέταση)
Μαθησιακά Αποτελέσματα
Οι φοιτητές μαθαίνουν τις βασικές έννοιες της μηχανικής μάθησης καθώς και συγκεκριμένες τεχνικές μηχανικής μάθησης. Επίσης εξοικιώνονται με διάφορες εφαρμογές της μηχανικής μάθησης. Τέλος αποκτούν δεξιότητες στην κριτική μελέτη επιστημονικών άρθρων, στην παρουσίαση επιστημονικών εργασιών και στην πρακτική ενασχόληση με δεδομένα χρησιμοποιώντας λογισμικό μηχανικής μάθησης.
Γενικές Ικανότητες
- Εφαρμογή της γνώσης στην πράξη
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
- Προσαρμογή σε νέες καταστάσεις
- Λήψη αποφάσεων
- Αυτόνομη εργασία
- Ομαδική εργασία
Περιεχόμενο Μαθήματος
Εισαγωγή, Μάθηση Εννοιών, Δένδρα Απόφασης, Μάθηση Κανόνων/Λογικός Επαγωγικός Προγραμματισμός, Μάθηση Βασισμένη στις Περιπτώσεις, Μάθηση κατά Bayes, Μάθηση με Γενετικούς Αλγορίθμους, Αξιολόγηση Μοντέλων Μάθησης, Ομαδοποίηση, Κανόνες Συσχέτισης, Επιλογή Χαρακτηριστικών και Διακριτοποίηση, Συνδυασμός Μοντέλων Μάθησης, Ενισχυτική Μάθηση, Ασαφής Μάθηση, Εξόρυξη Γνώσης από Κείμενα, Μάθηση από Βιολογικά Δεδομένα, Μάθηση από Χρονικά Δεδομένα, Βιβλιοθήκες Αλγορίθμων Μηχανικής Μάθησης.
Λέξεις Κλειδιά
Μηχανική Μάθηση, Επιβλεπόμενη Μάθηση, Μη-επιβλεπόμενη Μάθηση, Ταξινόμηση, Παρεμβολή
Τύποι Εκπαιδευτικού Υλικού
- Σημειώσεις
- Διαφάνειες
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
- Χρήση Τ.Π.Ε. στη Διδασκαλία
- Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
Περιγραφή
Διαφάνειες σε ηλεκτρονική μορφή, λογισμικό μηχανικής μάθησης
Οργάνωση Μαθήματος
| Δραστηριότητες | Φόρτος Εργασίας | ECTS | Ατομικά | Ομαδικά | Erasmus |
|---|---|---|---|---|---|
| Διαλέξεις | 39 | 1,3 | ✓ | ||
| Μελέτη και ανάλυση βιβλίων και άρθρων | 42 | 1,4 | ✓ | ||
| Εκπόνηση μελέτης (project) | 42 | 1,4 | ✓ | ||
| Συγγραφή εργασίας / εργασιών | 39 | 1,3 | ✓ | ||
| Προετοιμασία | 63 | 2,1 | ✓ | ||
| Σύνολο | 225 | 7,5 |
Αξιολόγηση Φοιτητών
Περιγραφή
20% βιβλιογραφική μελέτη και παρουσιάση μιας εφαρμογής της μηχανικής μάθησης, 20% πρακτική εργασία ανάλυσης δεδομένων με τη βοήθεια λογισμικού μηχανικής μάθησης, 60% γραπτές εξετάσεις. Τα κριτήρια αυτά είναι δημοσιευμένα στην ιστοσελίδα του μαθήματος.
Μέθοδοι Αξιολόγησης Φοιτητών
- Γραπτή Εξέταση με Ερωτήσεις Πολλαπλής Επιλογής (Συμπερασματική)
- Γραπτή Εξέταση με Ερωτήσεις Σύντομης Απάντησης (Συμπερασματική)
- Γραπτή Εργασία (Συμπερασματική)
Βιβλιογραφία
Βιβλιογραφία μαθήματος (Εύδοξος)
Διδακτικές Σημειώσεις
Επιπρόσθετη βιβλιογραφία για μελέτη
- Machine Learning, T. Mitchell, McGraw Hill, 1997
- Introduction to Machine Learning. Ethem Alpaydin, The MIT Press, October 2004.
- Introduction to Data Mining. Pang-Ning Tan, Michael Steinbach and Vipin Kumar. Pearson Addison Wesley. 2005
- Data Mining, Practical Machine Learning Tools and Techniques with Java Implementation (second edition), Ian Witten & Eibe Frank, Morgan Kaufmann, 2005.
- Introduction to Machine Learning (Draft of Incomplete Notes), Nils J. Nilsson, 2015
Τελευταία Επικαιροποίηση
11-05-2018
