Προχωρημένα Θέματα Μηχανικής Μάθησης

Πληροφορίες Μαθήματος
ΤίτλοςΠροχωρημένα Θέματα Μηχανικής Μάθησης / Advanced Topics in Machine Learning
ΚωδικόςAI202
ΣχολήΘετικών Επιστημών
ΤμήμαΠληροφορικής
Κύκλος / Επίπεδο2ος / Μεταπτυχιακό
Περίοδος ΔιδασκαλίαςΕαρινή
Υπεύθυνος/ηΓρηγόριος Τσουμάκας
ΚοινόΝαι
ΚατάστασηΕνεργό
Course ID600016305

Πρόγραμμα Σπουδών: ΠΜΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ (2018 έως σήμερα) ΜΦ

Εγγεγραμμένοι φοιτητές: 1
ΚατεύθυνσηΤύπος ΠαρακολούθησηςΕξάμηνοΈτοςECTS
ΚΟΡΜΟΣΥποχρεωτικό Κατ' Επιλογήν217,5

Πρόγραμμα Σπουδών: ΠΜΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ (2018 έως σήμερα) ΠΦ

Εγγεγραμμένοι φοιτητές: 15
ΚατεύθυνσηΤύπος ΠαρακολούθησηςΕξάμηνοΈτοςECTS
ΚΟΡΜΟΣΥποχρεωτικό Κατ' Επιλογήν217,5

Πληροφορίες Τάξης
ΤίτλοςΠροχωρημένα Θέματα Μηχανικής Μάθησης
Ακαδημαϊκό Έτος2021 – 2022
Περίοδος ΤάξηςΕαρινή
Διδάσκοντες μέλη ΔΕΠ
Ώρες Εβδομαδιαία3
Class ID
600202310
Τύπος Μαθήματος
Eιδίκευσης / Kατεύθυνσης
Τύπος Μαθήματος 2016-2020
  • Επιστημονικής Περιοχής
Τύπος Μαθήματος 2011-2015
Εμβάθυνσης / Εμπέδωσης Γνώσεων
Τρόπος Παράδοσης
  • Πρόσωπο με πρόσωπο
  • Eξ απoστάσεως εκπαίδευση
Ηλεκτρονική Διάθεση Μαθήματος
Γλώσσα Διδασκαλίας
  • Ελληνικά (Διδασκαλία, Εξέταση)
Μαθησιακά Αποτελέσματα
Γνωστικά: Ο φοιτητής θα αποκτήσει εξειδικευμένη γνώση για την αντιμετώπιση ζητημάτων που ανακύπτουν σε πραγματικές εφαρμογές μηχανικής μάθησης (ανισοκατανομή κλάσεων, διαφορετικά κόστη σφαλμάτων, περιορισμένoι πόροι για την απόκτηση δεδομένων εκπαίδευσης, δεδομένα με πολλαπλές ετικέτες, περιπτώσεις και σχέσεις, ανάγκη για ερμηνεύσιμα μοντέλα και αποφάσεις). Επιπλέον θα γνωρίσει πραγματικές εφαρμογές της μηχανικής μάθησης στη βιομηχανία (κατάτμηση πελατών, πρόβλεψη ζήτησης προϊόντων, πρόβλεψη παραγωγής και ζήτησης ενέργειας). Δεξιότητες: Ο φοιτητής θα αποκτήσει χρήσιμες δεξιοτήτων για ερευνητές και επαγγελματίες μηχανικής μάθησης (ανάγνωση, αξιολόγηση και συγγραφή ερευνητικών εργασιών, χρήση λογισμικού μηχανικής μάθησης, υλοποίηση αλγορίθμων 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
Σφάλματα ταξινόμησης με διαφορετικό κόστος, ασυμμετρία κλάσεων, μάθηση από δεδομένα πολλαπλών ετικετών, μάθηση από σάκους περιπτώσεων, ενεργή μάθηση, ερμηνευσιμότητα, ανάγνωση, αξιολόγηση και συγγραφή ερευνητικών εργασιών, εξόρυξη σχεσιακών δεδομένων, κατάτμηση πελατών, πρόβλεψη πωλήσεων, πρόβλεψη παραγωγής και ζήτησης ενέργειας.
Λέξεις Κλειδιά
μηχανική μάθηση, εξόρυξη δεδομένων, ανακάλυψη γνώσης
Τύποι Εκπαιδευτικού Υλικού
  • Διαφάνειες
  • Βιντεοδιαλέξεις
  • Επιστημονικές δημοσιεύσεις
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
  • Χρήση Τ.Π.Ε. στη Διδασκαλία
  • Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
  • Χρήση Τ.Π.Ε. στην Αξιολόγηση των Φοιτητών
Περιγραφή
Παρουσίαση διαφανειών από υπολογιστή, χρήση λογισμικού (scikit-learn) για επίδειξη των τεχνικών που παρουσιάζονται θεωρητικά, χρήση διαδικτυακών quiz για αξιολόγηση των φοιτητών.
Οργάνωση Μαθήματος
ΔραστηριότητεςΦόρτος ΕργασίαςECTSΑτομικάΟμαδικάErasmus
Διαλέξεις39
Μελέτη και ανάλυση βιβλίων και άρθρων69
Εκπόνηση μελέτης (project)39
Συγγραφή εργασίας / εργασιών39
Εξετάσεις39
Σύνολο225
Αξιολόγηση Φοιτητών
Περιγραφή
Τελική γραπτή εξέταση σε όλη την ύλη του μαθήματος 40%. Εβδομαδιαία κουίζ 10%. Ατομικές εργασίες 25%. Ομαδική μελέτη 25%.
Μέθοδοι Αξιολόγησης Φοιτητών
  • Γραπτή Εξέταση με Ερωτήσεις Σύντομης Απάντησης (Συμπερασματική)
  • Προφορική Εξέταση (Συμπερασματική)
  • Δημόσια Παρουσίαση (Συμπερασματική)
  • Γραπτή Εξέταση με Επίλυση Προβλημάτων (Συμπερασματική)
  • Έκθεση / Αναφορά (Συμπερασματική)
  • Εργαστηριακή Εργασία (Συμπερασματική)
Βιβλιογραφία
Βιβλιογραφία μαθήματος (Εύδοξος)
Παρουσιάσεις μαθήματος, λίστα διαφορετικών συγγραμμάτων ή/και επιστημονικών δημοσιεύσεων ανά αντικείμενο του μαθήματος. Ενδεικτικά: - 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
03-11-2022