Font size
  • A-
  • A
  • A+
Site color
  • R
  • A
  • A
  • A
Skip to main content
courses
  • Home
  • More
English ‎(en)‎
English ‎(en)‎ Ελληνικά ‎(el)‎
You are currently using guest access
Log in
courses
Home
Expand all Collapse all

Εργαστήριο

  1. Neural Networks and Intelligent Systems
  2. Εργαστήριο
  3. Εργαστήριο
Completion requirements

Στον φάκελο αυτό θα ανεβαίνει το υλικό που παρουσιάζεται στα εργαστήρια του μαθήματος.  Οι βιντεοσκοπημένες παρουσιάσεις του εργαστηρίου βρίσκονται στο MS Teams στο κανάλι "Εργαστήριο" στο tab "Files".

    • 01. Intro Python Notebooks 01. Intro Python Notebooks
      • 01.1 Python Jupyter Notebooks.pdf 01.1 Python Jupyter Notebooks.pdf
      • 01.2 Intro Notebooks.pdf 01.2 Intro Notebooks.pdf
    • 02. Classification 1 02. Classification 1
      • 0. Machine Learning Short Introduction.gslides 0. Machine Learning Short Introduction.gslides
      • Classification 1.1 datasets - train test sets - GNB.ipynb Classification 1.1 datasets - train test sets - GNB.ipynb
      • Classification 1.2 bias variance - knn - crossvalidation. Classification 1.2 bias variance - knn - crossvalidation.
      • Άσκηση 01 Pima Indians.ipynb Άσκηση 01 Pima Indians.ipynb
      • Ασκηση 02 kNN from scratch.ipynb Ασκηση 02 kNN from scratch.ipynb
    • 03. Classification 2 03. Classification 2
      • Classification 2.1 logistic regression - evaluation metrics.ipynb Classification 2.1 logistic regression - evaluation metrics.ipynb
      • Classification 2.2 data preprocessing - MLP.ipynb Classification 2.2 data preprocessing - MLP.ipynb
      • Άσκηση 03 GBN LR kNN στο Pima Indians.ipynb Άσκηση 03 GBN LR kNN στο Pima Indians.ipynb
    • 04. Classification 3 04. Classification 3
      • classification 3.1 gridsearchcv - hyperparameter optimization.ipynb classification 3.1 gridsearchcv - hyperparameter optimization.ipynb
      • classification 3.2 SVM.ipynb classification 3.2 SVM.ipynb
      • Άσκηση 04 Βελτιστοποίηση kNN και SVC στο Iris με την Optuna.ipynb Άσκηση 04 Βελτιστοποίηση kNN και SVC στο Iris με την Optuna.ipynb
    • 05. Clustering 1 05. Clustering 1
      • Clustering 1.1 Intro - kMeans - Evaluation.ipynb Clustering 1.1 Intro - kMeans - Evaluation.ipynb
      • Clustering 1.2 Hierarchical - Density - Fuzzy.ipynb Clustering 1.2 Hierarchical - Density - Fuzzy.ipynb
      • Άσκηση 05 kMeans.ipynb Άσκηση 05 kMeans.ipynb
      • Άσκηση 06 kMeans - HAC - DBSCAN - Fuzzy cMeans σε συνθετικά datasets (playground).ipynb Άσκηση 06 kMeans - HAC - DBSCAN - Fuzzy cMeans σε συνθετικά datasets (playground).ipynb
    • 06. Text Mining 06. Text Mining
      • Text Mining 1.1 Intro.ipynb Text Mining 1.1 Intro.ipynb
      • Text Mining 1.2 Word Embeddings (Word2Vec).ipynb Text Mining 1.2 Word Embeddings (Word2Vec).ipynb
      • Word_Embeddings_Intro.pdf Word_Embeddings_Intro.pdf
      • Άσκηση 07 Text Mining Βελτιστοποίηση TF-IDF.ipynb Άσκηση 07 Text Mining Βελτιστοποίηση TF-IDF.ipynb
    • 07. Clustering 2. Γκαουσιανά Μοντέλα Μείξης και Αυτο-οργανούμενοι Χάρτες 07. Clustering 2. Γκαουσιανά Μοντέλα Μείξης και Αυτο-οργανούμενοι Χάρτες
      • Clustering 2.1 Γκαουσιανά Μοντέλα Μείξης.ipynb Clustering 2.1 Γκαουσιανά Μοντέλα Μείξης.ipynb
      • Clustering 2.2 Αυτο-οργανούμενοι Χάρτες.ipynb Clustering 2.2 Αυτο-οργανούμενοι Χάρτες.ipynb
      • Άσκηση 08 - Χρήση των GMMs ως Παραγωγικών Μοντέλων.ipynb Άσκηση 08 - Χρήση των GMMs ως Παραγωγικών Μοντέλων.ipynb
      • Άσκηση 09 - Αυτο-οργανούμενοι Χάρτες.ipynb Άσκηση 09 - Αυτο-οργανούμενοι Χάρτες.ipynb
    • 08. Γενετικοί Αλγόριθμοι και Βελτιστοποίηση 08. Γενετικοί Αλγόριθμοι και Βελτιστοποίηση
      • auxiliary.py auxiliary.py
      • Genetics 1 Εξελικτική βελτιστοποίηση με Γενετικούς Αλγόριθμους.ipynb Genetics 1 Εξελικτική βελτιστοποίηση με Γενετικούς Αλγόριθμους.ipynb
      • Genetics 2 Εισαγωγή στην βιβλιοθήκη ΓΑ DEAP.ipynb Genetics 2 Εισαγωγή στην βιβλιοθήκη ΓΑ DEAP.ipynb
      • Genetics 3 Επίλυση του 0-1 Knapsack με Γενετικούς Αλγόριθμους.ipynb Genetics 3 Επίλυση του 0-1 Knapsack με Γενετικούς Αλγόριθμους.ipynb
      • Άσκηση 10 Βελτιστοποίηση με ΓΑ.ipynb Άσκηση 10 Βελτιστοποίηση με ΓΑ.ipynb
    • 09. Εισαγωγή στη Βαθιά Μάθηση - Συνελικτικά δίκτυα 09. Εισαγωγή στη Βαθιά Μάθηση - Συνελικτικά δίκτυα
      • DL1 - Εισαγωγή στη Βαθιά Μάθηση και TF2 - Συνελικτικά δίκτυα.ipynb DL1 - Εισαγωγή στη Βαθιά Μάθηση και TF2 - Συνελικτικά δίκτυα.ipynb
      • Άσκηση 11 Deep Learning on MNIST.ipynb Άσκηση 11 Deep Learning on MNIST.ipynb
    • 10. CNN, Μεταφορά Μάθησης, RNN, Εφαρμογές 10. CNN, Μεταφορά Μάθησης, RNN, Εφαρμογές
      • DL 2.1 CIFAR-100, Transfer Learning, Βελτιστοποίηση.ipynb DL 2.1 CIFAR-100, Transfer Learning, Βελτιστοποίηση.ipynb
      • DL 2.2 Εφαρμογές RNN - CNN.pdf DL 2.2 Εφαρμογές RNN - CNN.pdf
      • xmas reading list.pdf xmas reading list.pdf
      • Άσκηση 12 Βελτίωση της επίδοσης στο CIFAR-100 (playground).pdf Άσκηση 12 Βελτίωση της επίδοσης στο CIFAR-100 (playground).pdf
    • 11. Reinforcement Learning 11. Reinforcement Learning
      • DQN Cartpole.ipynb DQN Cartpole.ipynb
      • Taxi-v3.ipynb Taxi-v3.ipynb
    • 12. Αυτοκωδικοποιητές, GAN και εφαρμογές 12. Αυτοκωδικοποιητές, GAN και εφαρμογές
      • GAN_MNIST.ipynb GAN_MNIST.ipynb
      • Άσκηση 12 - Αυτοκωδικοποιητές.ipynb Άσκηση 12 - Αυτοκωδικοποιητές.ipynb
      • Άσκηση 13 - Fashion-MNIST.ipynb Άσκηση 13 - Fashion-MNIST.ipynb
      • Αυτοκωδικοποιητές.ipynb Αυτοκωδικοποιητές.ipynb
    • Λύσεις ασκήσεων Λύσεις ασκήσεων
      • Άσκηση 01 Pima Indians - Solution.ipynb Άσκηση 01 Pima Indians - Solution.ipynb
      • Ασκηση 02 kNN from scratch - Solution.ipynb Ασκηση 02 kNN from scratch - Solution.ipynb
      • Άσκηση 03 GBN LR kNN στο Pima Indians - solution.ipynb Άσκηση 03 GBN LR kNN στο Pima Indians - solution.ipynb
      • Άσκηση 04 Βελτιστοποίηση kNN και SVC στο Iris με την Optuna - solution.ipynb Άσκηση 04 Βελτιστοποίηση kNN και SVC στο Iris με την Optuna - solution.ipynb
      • Άσκηση 05 kMeans - Solution.ipynb Άσκηση 05 kMeans - Solution.ipynb
      • Άσκηση 07 Text Mining Βελτιστοποίηση TF-IDF - Solution.ipynb Άσκηση 07 Text Mining Βελτιστοποίηση TF-IDF - Solution.ipynb
      • Άσκηση 08 Χρήση των GMMs ως Παραγωγικών Μοντέλων - Solution.ipynb Άσκηση 08 Χρήση των GMMs ως Παραγωγικών Μοντέλων - Solution.ipynb
      • Άσκηση 09 Αυτο οργανούμενοι Χάρτες - Solution.ipynb Άσκηση 09 Αυτο οργανούμενοι Χάρτες - Solution.ipynb
      • Άσκηση 10 Βελτιστοποίηση με ΓΑ - Solution.ipynb Άσκηση 10 Βελτιστοποίηση με ΓΑ - Solution.ipynb
      • Άσκηση 11 Deep Learning on MNIST - Solution.ipynb Άσκηση 11 Deep Learning on MNIST - Solution.ipynb
      • Άσκηση 12 - Αυτοκωδικοποιητές (solution).ipynb Άσκηση 12 - Αυτοκωδικοποιητές (solution).ipynb
Previous activity Επιλογή ομάδας εργαστηρίου
Next activity Εργασία 1. Επιβλεπόμενη Μάθηση

Contact us

Follow us

You are currently using guest access (Log in)
Get the mobile app
Get the mobile app
Play Store App Store
Powered by Moodle

This theme was developed by

Conecti.me