Machine Learning

Informations du Cours
TitreΜηχανική Μάθηση / Machine Learning
CodeAI101
Cycle / Niveau2e cycle / Master
Semestre de l’annéeWinter
CoordinatorIoannis Vlachavas
CommonOui
StatutActif
Course ID600016297

Programme d' Études: PMS TECΗNĪTĪ NOĪMOSYNĪ (2018 éōs sīmera) PF

Registered students: 19
OrientationAttendance TypeSemesterAnnéeECTS
KORMOSYPOCΗREŌTIKO KAT EPILOGĪN117.5

Informations de la Classe
Année Académique2019 – 2020
Semestre de l’AnnéeWinter
Faculty Instructors
Weekly Hours3
Class ID
600153656
Course Type 2016-2020
  • Domaine Scientifique
  • Développement de Compétences
Mode d’Enseignement
  • En présentiel
Erasmus
The course is also offered to exchange programme students.
Language of Instruction
  • Grec (Enseignement, Examens)
  • Anglais (Examens)
Aptitudes Générales
  • Application des connaissances à la pratique
  • Recherche, analyse et synthèse de données et d’informations, avec utilisation des technologies adéquates
  • Adaptation à des situations nouvelles
  • Prise de décision
  • Travail en autonomie
  • Travail d’équipe
  • Promotion de la pensée libre, créatrice et inductive
Type de Matériels Éducatifs
  • Notes de cours
  • Vidéoconférences
Use of Information and Communication Technologies
Use of ICT
  • Emploi de TIC pour l’enseignement
  • Emploi de TIC pour communiquer avec les étudiants
  • Emploi de TIC pour l’évaluation des étudiants
Organisation du Cours
ActivitésCharge de travailECTSIndividuelEn groupeErasmus
Conferences39
Etude & analyse bibliographiques42
Presentation d’une etude (projet)42
Redaction de travaux39
Autre63
Total225
Student Assessment
Student Assessment methods
  • Examen écrit : questionnaire à choix multiples (Sommative)
  • Examen écrit : réponses courtes (Sommative)
  • Examen écrit : réponses plus longues (Sommative)
  • Examen écrit : résolution de problèmes (Sommative)
Bibliography
Course Bibliography (Eudoxus)
Διδακτικές Σημειώσεις
Additional bibliography for study
- Machine Learning, T. Mitchell, McGraw Hill, 1997. - The Elements of Statistical Learning:Data Mining, Inference, and Prediction, T. Hastie, R. Tibshirani and J. Friedman, Springer, 2nd edition, 2009. - Machine Learning:The Art and Science of Algorithms that Make Sense of Data, Peter Flach, Cambridge University Press, 2012. - Introduction to Machine Learning with Python: A Guide for Data Scientists, Sarah Guido and Andreas C. Müller, O' Reilly Media, 2016. - Data Mining, Practical Machine Learning Tools and Techniques with Java Implementation (second edition), Ian Witten & Eibe Frank, Morgan Kaufmann, 2005. - Introduction to Machine Learning (Draft of incomplete Notes), Nils J. Nilsson, 2015 (https://ai.stanford.edu/~nilsson/mlbook.html) - Introduction to Machine Learning, Ethem Alpaydin, The MIT Press, October 2004. - Introduction to Data Mining. Pang-Ning Tan, Michael Steinbach and Vipin Kumar. Pearson Addison Wesley. 2005
Last Update
30-01-2020