Font size
  • A-
  • A
  • A+
Site color
  • R
  • A
  • A
  • A
Μετάβαση στο κεντρικό περιεχόμενο
courses
  • Αρχική
  • Περισσότερα
Ελληνικά ‎(el)‎
Ελληνικά ‎(el)‎ English ‎(en)‎
Αυτή τη στιγμή χρησιμοποιείτε πρόσβαση επισκέπτη
Σύνδεση
courses
Αρχική
Ανάπτυξη όλων Σύμπτυξη όλων

Διαλέξεις

  1. Μηχανική Μάθηση
  2. Διαλέξεις
  3. Διαλέξεις
Απαιτήσεις ολοκλήρωσης

Στον φάκελο αυτό θα ανεβαίνουν σταδιακά οι διαφάνειες των διαλέξεων του μαθήματος. Οι βιντεοσκοπημένες διαλέξεις βρίσκονται στο MS Teams στο κανάλι "Διαλέξεις" στο tab "Files".

    • 01. Εισαγωγή 01. Εισαγωγή
      • 01. Εισαγωγή.pdf 01. Εισαγωγή.pdf
    • 02. Supervised Learning - Perceptron 02. Supervised Learning - Perceptron
      • MLapplications.pdf MLapplications.pdf
      • NN-ICS_1.pdf NN-ICS_1.pdf
      • Supervised_Learning.pdf Supervised_Learning.pdf
    • 03. Regression - Clustering - DT 03. Regression - Clustering - DT
      • 01. Regression - Perceptron.pdf 01. Regression - Perceptron.pdf
      • 02. Εlbow method - Aξιολόγηση Clustering.ipynb 02. Εlbow method - Aξιολόγηση Clustering.ipynb
      • 02. Clustering.pdf 02. Clustering.pdf
      • 03. Gaussian Mixture Models EM.pdf 03. Gaussian Mixture Models EM.pdf
      • 04. Decision Trees - Titanic Dataset.ipynb 04. Decision Trees - Titanic Dataset.ipynb
      • 04. Decision Trees.pdf 04. Decision Trees.pdf
      • πρόσθετο υλικό kMeans Convexity.pdf πρόσθετο υλικό kMeans Convexity.pdf
    • 04. Multi-Layer Perceptron 04. Multi-Layer Perceptron
      • 04. FFNN - Automatic Differentiation.pdf 04. FFNN - Automatic Differentiation.pdf
      • 04. MLP - Backpropagation.pdf 04. MLP - Backpropagation.pdf
      • 04. NN - SGD - Computational Graphs - Backpropagation.pdf 04. NN - SGD - Computational Graphs - Backpropagation.pdf
    • 05. PAC Learning 05. PAC Learning
      • 05. PAC Learning - finite hypothesis class.pdf 05. PAC Learning - finite hypothesis class.pdf
    • 06. Support Vector Machines 06. Support Vector Machines
      • 06. Support Vector Machines.pdf 06. Support Vector Machines.pdf
    • 07. Rademacher Complexity. The Infinite Hypothesis Case 07. Rademacher Complexity. The Infinite Hypothesis Case
      • 07.1 Rademacher Complexity - the Infinite Hypothesis Case.pdf 07.1 Rademacher Complexity - the Infinite Hypothesis Case.pdf
      • 07.2 Pseudo-Dimension of Regression.pdf 07.2 Pseudo-Dimension of Regression.pdf
      • Hans Rademacher, Otto Toeplitz - The enjoyment of mathematics .djvu Hans Rademacher, Otto Toeplitz - The enjoyment of mathematics .djvu
    • 09.Intro Deep Learning 09.Intro Deep Learning
      • DLresnet.pdf DLresnet.pdf
      • NN_DL.pdf NN_DL.pdf
    • 10. Online Learning 10. Online Learning
      • 09. Online Learning.pdf 09. Online Learning.pdf
      • Chapter 8 - Online Learning.pdf Chapter 8 - Online Learning.pdf
    • 11. Reinforcement Learning 11. Reinforcement Learning
      • RL.pdf RL.pdf
    • 12. Boosting 12. Boosting
      • 12. Boosting.pdf 12. Boosting.pdf
      • Chapter 7 - Boosting.pdf Chapter 7 - Boosting.pdf
      • errata.txt errata.txt
    • 13. Multiclass Classification - Ranking 13. Multiclass Classification - Ranking
      • multi-class classification.pdf multi-class classification.pdf
      • ranking.pdf ranking.pdf
    • 14. Kernel Methods 14. Kernel Methods
      • 14. Kernel Methods.pdf 14. Kernel Methods.pdf
      • Chapter 6 - Kernel Methods.pdf Chapter 6 - Kernel Methods.pdf
      • Chapter 16 - Kernel Methods.pdf Chapter 16 - Kernel Methods.pdf
      • Sections 11.3.2-11.3.3.pdf Sections 11.3.2-11.3.3.pdf
Προηγούμενη δραστηριότητα Ανακοινώσεις
Επόμενη δραστηριότητα Εργαστήριο

Helpdesk

Ακολουθήστε μας

Αυτή τη στιγμή χρησιμοποιείτε πρόσβαση επισκέπτη (Σύνδεση)
Λήψη εφαρμογής κινητού
Λήψη εφαρμογής κινητού
Play Store App Store
Με την υποστήριξη του Moodle

This theme was developed by

Conecti.me