ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ

Πληροφορίες Μαθήματος
ΤίτλοςΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ / MACHINE LEARNING
ΚωδικόςNIS-08-04
ΣχολήΘετικών Επιστημών
ΤμήμαΠληροφορικής
Κύκλος / Επίπεδο1ος / Προπτυχιακό
Περίοδος ΔιδασκαλίαςΕαρινή
Υπεύθυνος/ηΓρηγόριος Τσουμάκας
ΚοινόΌχι
ΚατάστασηΕνεργό
Course ID600014928

Πρόγραμμα Σπουδών: ΠΠΣ-Τμήμα Πληροφορικής (2019-σήμερα)

Εγγεγραμμένοι φοιτητές: 108
ΚατεύθυνσηΤύπος ΠαρακολούθησηςΕξάμηνοΈτοςECTS
ΓΕΝΙΚΗ ΚΑΤΕΥΘΥΝΣΗΥΠΟΧΡΕΩΤΙΚΟ ΚΑΤΑ ΕΠΙΛΟΓΗ845
Πληροφορίες Τάξης
ΤίτλοςΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ
Ακαδημαϊκό Έτος2020 – 2021
Περίοδος ΤάξηςΕαρινή
Διδάσκοντες μέλη ΔΕΠ
Ώρες Εβδομαδιαία3
Class ID
600180126
Τύπος Μαθήματος
Eιδίκευσης / Kατεύθυνσης
Τύπος Μαθήματος 2016-2020
  • Επιστημονικής Περιοχής
Τύπος Μαθήματος 2011-2015
Εμβάθυνσης / Εμπέδωσης Γνώσεων
Τρόπος Παράδοσης
  • Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
Γλώσσα Διδασκαλίας
  • Ελληνικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Προαπαιτούμενα Μαθήματα
  • NCO-01-05 ΒΑΣΙΚΕΣ ΑΡΧΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
  • NCO-02-02 ΠΙΘΑΝΟΤΗΤΕΣ & ΣΤΑΤΙΣΤΙΚΗ
Μαθησιακά Αποτελέσματα
Γνωστικά: 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. Δεξιότητες: 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
ΔραστηριότητεςΦόρτος ΕργασίαςECTSΑτομικάΟμαδικάErasmus
Διαλέξεις39✓
Μελέτη και ανάλυση βιβλίων και άρθρων39✓
Εκπόνηση μελέτης (project)69✓
Εξετάσεις3✓
Σύνολο150
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)
- ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ,86198212, ΚΩΝΣΤΑΝΤΙΝΟΣ ΔΙΑΜΑΝΤΑΡΑΣ, ΔΗΜΗΤΡΗΣ ΜΠΟΤΣΗΣ, ISBN: 978-960-461-995-5, ΕΚΔΟΣΕΙΣ ΚΛΕΙΔΑΡΙΘΜΟΣ ΕΠΕ - ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΚΑΙ ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ, 86053413, C.M. Bishop, 9789603307907, ΓΡΗΓΟΡΙΟΣ ΧΡΥΣΟΣΤΟΜΟΥ ΦΟΥΝΤΑΣ
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
10-04-2022