Ηλεκτρονική Διάθεση Μαθήματος
Μαθησιακά Αποτελέσματα
Στο πέρας του μαθήματος οι φοιτητές θα είναι σε θέση να προβαίνουν σε βασική ανάλυση δεδομένων και ανάλυση συσχετίσεων με διαδικασίες βασικής και ανεπίβλεπτης Μηχανικής Μάθησης, να αναγνωρίζουν ένα πρόβλημα ως πρόβλημα classification or regression, να αντιλαμβάνονται τον τρόπο λειτουργίας των τεχνητών νευρωνικών δικτύων και των δένδρων απόφασης, και να εφαρμόζουν τις μεθόδους αυτές.
Περιεχόμενο Μαθήματος
Α' Μέρος:
1) Εισαγωγή στα Υπολογιστικά Πρότυπα Φυσικής του Περιβάλλοντος
2) Μοντέλα Μεταφοράς και Διάχυσης
3) Ισοζύγια Ενέργειας και Μάζας στο Περιβάλλον
4) Μη Γραμμικά Δυναμικά Πρότυπα
Β' Μέρος:
1) Ανάλυση δεδομένων, ανάλυση συσχετίσεων, Μέθοδος Πρωτευουσών Συνιστωσών (Principal Component Analysis)
2) Μοντελοποίηση δεδομενένων. Μοντέλα παλινδρόμησης, Στοιχεία Τεχνητών Νευρωνικών Δικτύων (ΤΝΝ)
3) ΤΝΝ για ανεπίβλεπτη μάθηση και εξαγωγή γνώσης: Αυτοοργανούμενες Απεικονίσεις (Self Organizing Maps)
4) Εντροπία Πληροφορίας, Κατηγοριοποίηση, Δέντρα Αποφάσεων