Machine Learning

Informazioni sull’Insegnamento
TitoloΜηχανική Μάθηση / Machine Learning
CodiceAI101
Ciclo / Livello di Studi2. Post Laurea
Semestre di InsegnamentoWinter
CoordinatorIoannis Vlachavas
Common
StatoAttivo
Course ID600016297

Programma di Studio: PMS TECΗNĪTĪ NOĪMOSYNĪ (2018 éōs sīmera) MF

Registered students: 6
IndirizzoTipo di FrequenzaSemestreAnnoECTS
KORMOSFacoltativo a scelta obbligata117.5

Programma di Studio: PMS TECΗNĪTĪ NOĪMOSYNĪ (2018 éōs sīmera) PF

Registered students: 19
IndirizzoTipo di FrequenzaSemestreAnnoECTS
KORMOSFacoltativo a scelta obbligata117.5

Informazioni sull’Insegnamento
Anno Accademico2019 – 2020
SemestreWinter
Faculty Instructors
Weekly Hours3
Class ID
600153656
Course Type 2016-2020
  • Area Scientifica
  • Sviluppo di Competenze
Organizzazione della Didattica
  • In presenza
Materiali Online
Erasmus
The course is also offered to exchange programme students.
Language of Instruction
  • Greco (Insegnamento, Esame)
  • Inglese (Esame)
Abilita’ Generali
  • Applicazione pratica delle conoscenze acquisite
  • Ricerca, analisi e raccolta dati e informazioni, con l’utilizzo di tecnologie adeguate
  • Adattamento a nuove situazioni
  • Presa di decisione
  • Lavoro autonomo
  • Lavoro in gruppo
  • Promuovere il pensiero indipendente, creativo e intuitivo
Tipologia di Materiale Didattico
  • Libro
  • Appunti
Use of Information and Communication Technologies
Use of ICT
  • Uso delle TIC   nell’ insegnamento
  • Uso delle TIC nella comunicazione con gli studenti
  • Uso delle  TIC nella valutazione degli studenti
Organizzazione dell’Insegnamento
ActivitiesCarico di LavoroECTSIndividualeGruppoErasmus
Conferenze39
Studio e analisi bibliografica42
Progetto (project)42
Elaborazione tesina/tesine39
Altro63
Total225
Student Assessment
Student Assessment methods
  • Prova scritta strutturata a scelta multipla (Sommativa)
  • Prova scritta semistrutturata con risposta breve (Sommativa)
  • Prova scritta con rispote aperte (Sommativa)
  • Prova scritta con soluzione di problemi (Sommativa)
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