Syllabus

Το πρόβλημα της μάθησης: Είδη μηχανικής μάθησης. Επιβλεπόμενη μάθηση Ι: Βασικές έννοιες και αλγόριθμοι. Δεδομένα, πρόβλεψη και διασταυρούμενη επικύρωση. Είδη ταξινομητών, επιλογή μοντέλων, ανταλλαγή πόλωσης - διακύμανσης. Παραδείγματα ταξινομητών: αφελής Μπεϋζιανός, k-πλησιέστεροι γείτονες, λογιστική παλινδρόμηση. Δέντρα αποφάσεων. Τεχνικές και μεθοδολογίες: Εξαγωγή και επιλογή χαρακτηριστικών. PCA και μείωση διαστατικότητας. Υπερπροσαρμογή και ομαλοποίηση. Κυρτή βελτιστοποίηση. Επιβλεπόμενη μάθηση ΙΙ: Νευρωνικά Δίκτυα. Perceptron - Multiclass Perceptron. Νευρωνικά δίκτυα, κάθοδος κλίσης, backpropagation. Μη επιβλεπόμενη μάθηση: Ομαδοποίηση. Γκαουσιανά μείγματα και αλγόριθμος ΕΜ. Μέθοδοι δειγματοληψίας. Θεωρία της μάθησης: Μοντέλο μάθησης PAC και ενιαία σύγκλιση. Πολυπλοκότητα Rademacher και διάσταση VC. Επιβλεπόμενη μάθηση ΙΙI: Αλγόριθμοι και θεωρητικά αποτελέσματα. Μηχανές διανυσμάτων υποστήριξης & μέθοδοι πυρήνων. Παλινδρόμηση. Μέθοδοι συνόλων. Άλλα μαθησιακά μοντέλα:  Ημι-επιβλεπόμενη μάθηση. Επιγραμμική μάθηση (online learning). Ενισχυτική μάθηση. Κατηγοριοποίηση πολλών κλάσεων. Κατάταξη.