DSC04

Compulsory

1

Με την ολοκλήρωση του μαθήματος, ο/η φοιτητής/τρια θα είναι σε θέση να:
● Αντιλαμβάνεται τι εμπλέκεται στην μάθηση από δεδομένα.
● Εξηγεί διάφορους αλγόριθμους μάθησης.
● Κατανοεί πώς να εφαρμόζει διάφορους αλγορίθμους μάθησης σε συλλογές δεδομένων.
● Γνωρίζει πώς να αξιολογεί αλγορίθμους μάθησης και να επιλέγει μοντέλα.

● Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
● Λήψη αποφάσεων
● Ομαδική εργασία
● Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

Το μάθημα αποτελεί εισαγωγή σε θεμελιώδεις έννοιες και εργαλεία της Μηχανικής Μάθησης. Στους φοιτητές παρέχεται το απαραίτητο μαθηματικό/αλγοριθμικό υπόβαθρο, καθώς και η χρήση της γλώσσας προγραμματισμού Python.
● Τεχνικές Βελτιστοποίησης.
● Γραμμική Παλινδρόμηση.
● Γραμμική Ταξινόμηση 2 και Πολλαπλών Κατηγοριών.
● Μηχανική Χαρακτηριστικών.
● Μέθοδοι Πυρήνα.
● Πλήρως Συνδεδεμένα Νευρωνικά Δίκτυα.
● Μαθητευόμενα Μοντέλα βασιζόμενα σε Δέντρα.