DSΕ02

Compulsory

2

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής θα είναι σε θέση:

• Να γνωρίζει μια ευρεία γκάμα μεθόδων μηχανικής μάθησης συμπεριλαμβανομένων των πλέον πρόσφατων και εξελιγμένων μεθόδων καθώς και το πεδίο εφαρμογής τους
• Να κατανοεί τους τύπους των προβλημάτων που επιλύονται και τις μεθόδους που αντιστοιχούν σε αυτά
• Να αναλύει ένα πρόβλημα που απαιτεί τη χρήση μηχανικής μάθησης και να εφαρμόζει την κατάλληλη μέθοδο σε αυτό
• Να παράγει λύσεις σε προβλήματα μηχανικής μάθησης εφαρμόζοντας  τα πλέον σύγχρονα εργαλεία λογισμικού

• 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

Σκοπός του μαθήματος είναι να αποκτήσει ο φοιτητής μια σφαιρική, επίκαιρη και σε βάθος γνώση του πεδίου της μηχανικής μάθησης μελετώντας τα κυριότερα σύγχρονα μοντέλα, μεθόδους και τύπους μάθησης. Επίσης, θεμελιώνονται βασικά στοιχεία της θεωρίας μάθησης και περιγράφονται τα πλέον σύγχρονα εργαλεία λογισμκού. Το αντικείμενο του μαθήματος αναλύεται στις παρακάτω ενότητες:

• Μηχανικές Διανυσμάτων Υποστήριξης.
• Βαθιά Μάθηση.
• Εφαρμογές βαθιάς μάθησης
• Μοντελοποίηση και συμπερασμός κατά Bayes
• Συνδυασμοί μοντέλων.
• Πιθανοτικά μοντέλα γράφων.
• Αναδρομικά νευρωνικά δίκτυα.
• Μάθηση με Ενίσχυση.
• Εφαρμογή Keras/Tensorflow για επίλυση προβλημάτων μηχανικής μάθησης