Uczenie maszynowe

W tym module omówiono uczenie maszynowe, koncentrując się na algorytmach i modelach, które umożliwiają komputerom uczenie się i przewidywanie lub podejmowanie decyzji na podstawie danych. Obejmuje techniki uczenia się nadzorowanego, nienadzorowanego i ze wzmocnieniem, a także praktyczne zastosowania w takich dziedzinach, jak rozpoznawanie obrazów, przetwarzanie języka naturalnego i analityka predykcyjna.

Curriculum Builder

Potrzebują Państwo pomocy? Proszę kliknąć tutaj, aby uzyskać instrukcje.

Suttona, Richarda S. i Andrew G. Barto. Uczenie się przez wzmacnianie: wprowadzenie. Wydanie drugie. Seria poświęcona obliczeniom adaptacyjnym i uczeniu maszynowemu. Cambridge, Massachusetts: The MIT Press, 2018.

Fryzjer, David. Rozumowanie bayesowskie i uczenie maszynowe. 1. wyd. Cambridge University Press, 2012.

https://doi.org/10.1017/CBO9780511804779

MacKay, David J.C. Teoria informacji, wnioskowanie i algorytmy uczenia się. Cambridge University Press, 2003.

Bishop, Christopher M. Rozpoznawanie wzorców i uczenie maszynowe. Informatyka i statystyka. Nowy Jork: Springer, 2006.

Mohri, Mehryar, Afshin Rostamizadeh i Ameet Talwalkar. – Wprowadzenie. W: Podstawy uczenia maszynowego, 504. Wydawnictwo MIT, 2018.

https://mitpress.mit.edu/9780262039406/foundations-of-machine-learning/

Murphy, Kevin P. “Rozdział 24: Wnioskowanie Monte Carlo łańcucha Markowa (MCMC)” i “Rozdział 25: Grupowanie”. W uczeniu maszynowym: perspektywa probabilistyczna. Londyn, Anglia: The MIT Press, 2012.

Wynera, Abrahama J., Matthew Olsona, Justina Bleicha i Davida Mease’a. “Wyjaśnienie sukcesu AdaBoost i lasów losowych jako klasyfikatorów interpolujących.” arXiv, 29 kwietnia 2017 r.

http://arxiv.org/abs/1504.07676

Hastie, Trevor, Robert Tibshirani i Jerome Friedman. Elementy uczenia się statystycznego: eksploracja danych, wnioskowanie i przewidywanie. 2. wyd. Seria Springera w statystyce. Nowy Jork, NY: Springer New York, 2009.

https://doi.org/10.1007/978-0-387-84858-7

Wasserman, Larry. Cała statystyka: zwięzły kurs wnioskowania statystycznego. Teksty Springera w statystyce. Nowy Jork, NY: Springer New York, 2004.

https://doi.org/10.1007/978-0-387-21736-9