Informacije o predmetu

Strojno učenje (angl. machine learning) se uporablja v industriji, medicini, ekonomiji itd. za analizo podatkov in odkrivanje zakonitosti v podatkovnih bazah, podatkovno rudarjenje (angl. data mining), za generiranje baz znanja za ekspertne sisteme, za učenje prepoznavanja in predikcij, igranje iger, za razpoznavanje naravnega jezika in prevajanje, klasifikacijo tekstov in rudarjenje na svetovnem spletu, za nadzor dinamičnih procesov, razpoznavanje govora, pisave, slik itd. Osnovni princip strojnega učenja je opisovanje (modeliranje) pojavov iz podatkov. Rezultat učenja so lahko pravila, funkcije, relacije, sistemi enačb, verjetnostne porazdelitve ipd. Naučeni modeli poskušajo razlagati podatke in se lahko uporabijo za odločanje pri opazovanju modeliranega procesa v bodočnosti. Cilj predmeta je predstaviti teoretične osnove in osnovne principe metod strojnega učenja, osnovne algoritme strojnega učenja in njihove uporabe v praksi za iskanje zakonitosti iz podatkov ter za učenje klasifikacijskih in regresijskih modelov. Študenti bodo teoretično znanje praktično uporabili na realnih problemih iz znanstvenega in poslovnega okolja.

Povzetek vsebine: kWhat
is learning and relation between learning and intelligence, ML basics, Advanced
attribute evaluation measures, Advanced methods for estimating performance of
ML, Advanced visualization methods, Combining ML algorithms, Bayesian learning,
Calibration of probabilities, Explanation of individual predictions, Numerical
ML methods, Artificial neural networks: RBF, Deep NN, Unsupervised learning:
clustering, Association rules, Estimating the reliability of individual
predictions, Text mining, Matrix factorization, Arcehtypal analysis, ML as data
compression, active learning, user porfiling and recommendation systems, ILP, Introduction
to learning theory.