Metody numeryczne w analizie danych i uczeniu maszynowym 1000-1M22NUM
Wykład dotyczy podstaw metod numerycznych wykorzystywanych w zadaniach uczenia maszynowego (ML) i analizy danych (DS). Zajmiemy się dwiema klasami zadań obliczeniowych:
- optymalizacja (regresja nieliniowa, m. gradientowe i nie tylko, akceleracja, backprop, ...)
- algebra liniowa (SVD, regresja liniowa, z regularyzacją, nowe rozkłady macierzy, ...)
Jak wystarczy czasu, zrobimy wycieczki w inne rejony na styku metod numerycznych i uczenia maszynowego lub analizy danych.
Każde omawiane zadanie obliczeniowe ma bezpośrednie motywacje z ML/DS, co zostanie pokazane.
Nie jest wymagana znajomość ML/DS.
Rodzaj przedmiotu
Założenia (opisowo)
Koordynatorzy przedmiotu
Kryteria oceniania
Ocena na podstawie projektu komputerowego i egzaminu ustnego.
Literatura
Literatura będzie podawana na bieżąco.
Więcej informacji
Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: