ΠΡΟΗΓΜΕΝΗ ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ ΚΑΙ ΑΝΑΚΑΛΥΨΗ ΓΝΩΣΗΣ

Πληροφορίες Μαθήματος
ΤίτλοςΠΡΟΗΓΜΕΝΗ ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ ΚΑΙ ΑΝΑΚΑΛΥΨΗ ΓΝΩΣΗΣ / ADVANCED MACHINE LEARNING AND KNOWLEDGE DISCOVERY
ΚωδικόςIS25
ΣχολήΘετικών Επιστημών
ΤμήμαΠληροφορικής
Κύκλος / Επίπεδο2ος / Μεταπτυχιακό
Περίοδος ΔιδασκαλίαςΕαρινή
Υπεύθυνος/ηΓρηγόριος Τσουμάκας
ΚοινόΌχι
ΚατάστασηΕνεργό
Course ID40002560

Πληροφορίες Τάξης
ΤίτλοςΠΡΟΗΓΜΕΝΗ ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ ΚΑΙ ΑΝΑΚΑΛΥΨΗ ΓΝΩΣΗΣ
Ακαδημαϊκό Έτος2017 – 2018
Περίοδος ΤάξηςΕαρινή
Διδάσκοντες μέλη ΔΕΠ
Ώρες Εβδομαδιαία3
Class ID
600111845
Τύπος Μαθήματος 2016-2020
  • Επιστημονικής Περιοχής
Τύπος Μαθήματος 2011-2015
Ειδικού Υποβάθρου / Κορμού
Τρόπος Παράδοσης
  • Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
Γλώσσα Διδασκαλίας
  • Ελληνικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Προαπαιτούμενα Μαθήματα
  • IS02 ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ
Μαθησιακά Αποτελέσματα
Οι αντικειμενικοί στόχοι του μαθήματος περιλαμβάνουν (α) την απόκτηση εξειδικευμένης γνώσης για την αντιμετώπιση ζητημάτων που ανακύπτουν σε πραγματικές εφαρμογές (ανισοκατανομή κλάσεων, διαφορετικά κόστη σφαλμάτων, περιορισμένα δεδομένα εκπαίδευσης, μεγάλα σύνολα δεδομένων, ροές δεδομένων, δεδομένα με πολλαπλές ετικέτες, περιπτώσεις και σχέσεις), (β) την απόκτηση χρήσιμων δεξιοτήτων για ερευνητές και επαγγελματίες (ανάγνωση, αξιολόγηση και συγγραφή ερευνητικών εργασιών, συγκριτική αξιολόγηση αλγορίθμων μηχανικής μάθησης, χρήση λογισμικού ανάλυσης δεδομένων, υλοποίηση αλγορίθμων μάθησης), και (γ) την γνωριμία με σύγχρονες δημοφιλείς εφαρμογές (εξόρυξη γνώσης από απόψεις, εξόρυξη γνώσης από δεδομένα επιχειρήσεων λιανικής πωλήσης). Απώτερος στόχος είναι η προετοιμασία των φοιτητών τόσο για την αγορά εργασίας όσο και για τη συνέχιση των σπουδών τους σε 3ο κύκλο στην περιοχή της 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
  • Εργασία σε διεθνές περιβάλλον
  • Παραγωγή νέων ερευνητικών ιδεών
  • Σχεδιασμός και διαχείριση έργων
  • Άσκηση κριτικής και αυτοκριτικής
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο Μαθήματος
Τεχνικές πολλαπλών μοντέλων πρόβλεψης, σφάλματα ταξινόμησης με διαφορετικό κόστος, ασυμμετρία κλάσεων, συγκριτική αξιολόγηση αλγορίθμων μάθησης, μάθηση από δεδομένα πολλαπλών ετικετών, μάθηση από σάκους περιπτώσεων, ενεργή μάθηση, ανάγνωση, αξιολόγηση και συγγραφή ερευνητικών εργασιών, εξόρυξη σχεσιακών δεδομένων, μάθηση από ρεύματα δεδομένων, εξόρυξη απόψεων, εξόρυξη δεδομένων επιχειρήσεων λιανικής πώλησης.
Λέξεις Κλειδιά
μηχανική μάθηση, εξόρυξη δεδομένων, ανακάλυψη γνώσης
Τύποι Εκπαιδευτικού Υλικού
  • Διαφάνειες
  • επιστημονικές δημοσιεύσεις
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
  • Χρήση Τ.Π.Ε. στη Διδασκαλία
  • Χρήση Τ.Π.Ε. στην Εργαστηριακή Εκπαίδευση
  • Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
Περιγραφή
Παρουσίαση διαφανειών από υπολογιστή, χρήση λογισμικού (Weka, Matlab) για επίδειξη των τεχνικών που παρουσιάζονται θεωρητικά
Οργάνωση Μαθήματος
ΔραστηριότητεςΦόρτος ΕργασίαςECTSΑτομικάΟμαδικάErasmus
Διαλέξεις391,3
Μελέτη και ανάλυση βιβλίων και άρθρων692,3
Εκπόνηση μελέτης (project)391,3
Συγγραφή εργασίας / εργασιών391,3
Εξετάσεις391,3
Σύνολο2257,5
Αξιολόγηση Φοιτητών
Περιγραφή
Τελική γραπτή εξέταση σε όλη την ύλη του μαθήματος. Το βάρος της τελικής εξέτασης είναι 40% επί του τελικού βαθμού. Τρεις ομαδικές εργασίες με βάρος 10%, 20% και 30% επί του τελικού βαθμού αντίστοιχα.
Μέθοδοι Αξιολόγησης Φοιτητών
  • Γραπτή Εξέταση με Ερωτήσεις Πολλαπλής Επιλογής (Συμπερασματική)
  • Γραπτή Εξέταση με Ερωτήσεις Σύντομης Απάντησης (Συμπερασματική)
  • Γραπτή Εργασία (Συμπερασματική)
  • Εργαστηριακή Εργασία (Συμπερασματική)
Βιβλιογραφία
Βιβλιογραφία μαθήματος (Εύδοξος)
Παρουσιάσεις μαθήματος, λίστα διαφορετικών συγγραμάτων ή/και επιστημονικών δημοσιεύσεων ανά αντικείμενο του μαθήματος. Ενδεικτικά: - Zhou, Z.H. (2012) Ensemble Methods: Foundations and Algorithms, Boca Raton, FL: Chapman & Hall/CRC, 2012. - Nathalie Japkowicz and Mohak Shah. 2011. Evaluating Learning Algorithms: A Classification Perspective. Cambridge University Press, New York, NY, USA. - Burr Settles, Active Learning, Synthesis Lectures on Artificial Intelligence and Machine Learning Morgan & Claypool Publishers, June 2012.
Επιπρόσθετη βιβλιογραφία για μελέτη
Επιστημονικές δημοσιεύσεις.
Τελευταία Επικαιροποίηση
04-04-2016