Machine learning 1 2400-SP-DS-ML1
Celem kursu jest wprowadzenie do zagadnień uczenia maszynowego w kontekście klasyfikacji, czyli modelowania zjawisk o charakterze jakościowym i regresji, służącej do modelowania zjawisk o charakterze ilościowym. Klasyfikacja może mieć charakter binarny (dwuwartościowa zmienna zależna) albo wielowartościowy. Kurs stanowi rozwinięcie podstawowych zagadnień uporządkowanych na kursie z analizy regresji liniowej i logistycznej. Szczegółowo omówione zostaną kwestie związane z oceną jakości modelu, podziałem na próbę uczącą i testową, a także walidacją krzyżową modeli. Wśród metod modelowania jako pierwsza omówiona zostanie liniowa i kwadratowa analiza dyskryminacji (jako uzupełnienie metod parametrycznych). W dalszej części kursu przedstawiona zostanie również metoda k-najbliższych sąsiadów z zastosowaniem zarówno do problemów klasyfikacji, jak i regresji, maszyna wektorów nośnych (ang. support vector machine), a także regresja grzbietowa (ang. ridge regression) oraz metoda Lasso. Ważną częścią kursu będzie również omówienie kwestii doboru zmiennych do modelu oraz bilansowania próby.
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Tryb prowadzenia
Efekty kształcenia
Test zaliczeniowy - do zaliczenia wymagana jest 50% poprawnych odpowiedzi na 10 pytań.
Literatura
Materiały przygotowywane przez wykładowcę i udostępniane uczestnikowi na platformie Google Drive.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: