ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ
| Τίτλος | ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ / MACHINE LEARNING |
| Κωδικός | NIS-08-04 |
| Σχολή | Θετικών Επιστημών |
| Τμήμα | Πληροφορικής |
| Κύκλος / Επίπεδο | 1ος / Προπτυχιακό |
| Περίοδος Διδασκαλίας | Εαρινή |
| Υπεύθυνος/η | Γρηγόριος Τσουμάκας |
| Κοινό | Όχι |
| Κατάσταση | Ενεργό |
| Course ID | 600014928 |
Πρόγραμμα Σπουδών: ΠΠΣ-Τμήμα Πληροφορικής (2019-σήμερα)
Εγγεγραμμένοι φοιτητές: 21
| Κατεύθυνση | Τύπος Παρακολούθησης | Εξάμηνο | Έτος | ECTS |
|---|---|---|---|---|
| ΓΕΝΙΚΗ ΚΑΤΕΥΘΥΝΣΗ | ΥΠΟΧΡΕΩΤΙΚΟ ΚΑΤΑ ΕΠΙΛΟΓΗ | 8 | 4 | 5 |
| Τίτλος | ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ |
| Ακαδημαϊκό Έτος | 2018 – 2019 |
| Περίοδος Τάξης | Εαρινή |
| Διδάσκοντες μέλη ΔΕΠ | |
| Ώρες Εβδομαδιαία | 3 |
| Class ID | 600138536
|
Τύπος Μαθήματος 2016-2020
- Επιστημονικής Περιοχής
- Ανάπτυξης Δεξιοτήτων
Τύπος Μαθήματος 2011-2015
Εμβάθυνσης / Εμπέδωσης Γνώσεων
Τρόπος Παράδοσης
- Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
- e-Οδηγός Σπουδών https://qa.auth.gr/el/class/1/600138536
- eLearning (Moodle): https://elearning.auth.gr/course/view.php?id=11553
Γλώσσα Διδασκαλίας
- Ελληνικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Προαπαιτούμενα Μαθήματα
- NCO-01-05 ΒΑΣΙΚΕΣ ΑΡΧΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
- NCO-02-02 ΠΙΘΑΝΟΤΗΤΕΣ & ΣΤΑΤΙΣΤΙΚΗ
Μαθησιακά Αποτελέσματα
Με την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές θα γνωρίζουν τι αφορά η επιστημονική περιοχή της μηχανικής μάθησης, καθώς και πως λειτουργούν οι αλγόριθμοι για γραμμικά μοντέλα, δενδρικά μοντέλα, μοντέλα κανόνων, σύνολα κανόνων, ομάδες μοντέλων και ενισχυτική μάθηση. Επιπλέον θα μπορούν να εφαρμόσουν τέτοιους αλγορίθμους σε πραγματικά δεδομένα και εφαρμογές χρησιμοποιώντας τις βιβλιοθήκες scikit-learn και gym της Python.
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 διεπιστημονικό περιβάλλον
- Σεβασμός στη διαφορετικότητα και στην πολυπολιτισμικότητα
- Επίδειξη κοινωνικής, επαγγελματικής και ηθικής υπευθυνότητας και ευαισθησίας σε θέματα φύλου
- Άσκηση κριτικής και αυτοκριτικής
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο Μαθήματος
Εισαγωγή στη Μηχανική Μάθηση. Γραμμικά Μοντέλα. Δενδρικά Μοντέλα. Μοντέλα Κανόνων. Ομάδες Μοντέλων. Ενισχυτική Μάθηση.
Λέξεις Κλειδιά
μηχανική μάθηση, γραμμικά μοντέλα, δένδρα απόφασης, κανόνες απόφασης, ομάδες μοντέλων, ενισχυτική μάθηση
Τύποι Εκπαιδευτικού Υλικού
- Σημειώσεις
- Διαφάνειες
- Διαδραστικές ασκήσεις
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
- Χρήση Τ.Π.Ε. στην Αξιολόγηση των Φοιτητών
Περιγραφή
Διαφάνειες, αλληλεπιδραστικά σημειωματάρια με κώδικα και σχόλια, χρήση πλατφόρμας ηλεκτρονικής μάθησης του ΑΠΘ, πρακτικές ασκήσεις και εργασίες
Οργάνωση Μαθήματος
| Δραστηριότητες | Φόρτος Εργασίας | ECTS | Ατομικά | Ομαδικά | Erasmus |
|---|---|---|---|---|---|
| Διαλέξεις | 39 | ✓ | |||
| Μελέτη και ανάλυση βιβλίων και άρθρων | 39 | ✓ | |||
| Εκπόνηση μελέτης (project) | 69 | ✓ | |||
| Εξετάσεις | 3 | ✓ | |||
| Σύνολο | 150 |
Αξιολόγηση Φοιτητών
Περιγραφή
Οι φοιτητές θα αξιολογούνται από γραπτές εξετάσεις που θα δίνουν στις εξεταστικές περιόδους του τμήματος και απόδύο εργασίες που θα αφορούν στην υλοποίηση αλγορίθμων μηχανικής μάθησης.
Μέθοδοι Αξιολόγησης Φοιτητών
- Γραπτή Εξέταση με Επίλυση Προβλημάτων (Συμπερασματική)
- Εργαστηριακή Εργασία (Συμπερασματική)
Βιβλιογραφία
Βιβλιογραφία μαθήματος (Εύδοξος)
- Δεν βρέθηκε κατάλληλο σύγγραμα στον Εύδοξο
Επιπρόσθετη βιβλιογραφία για μελέτη
- Σημειώσεις μαθήματος
- Machine Learning, Tom Mitchell, McGraw-Hill Education, 1997.
- Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, Aurélien Géron, O'Reilly Media, 2017.
Τελευταία Επικαιροποίηση
27-02-2020
