Η Μηχανική Μάθηση αποτελεί βασικό βήμα για την μετάβαση από τις έξυπνες μηχανές στις νοήμονες. Οι φοιτητές διδάσκονται τις βασικές έννοιες, τα μαθηματικά μοντέλα και τις μεθόδους του κλάδου. Γνωρίζουν τις προκλήσεις του χώρου και αποκτούν το βασικό υπόβαθρο για περαιτέρω επιστημονικό και ερευνητικό έργο. Στο εργαστηριακό μέρος υλοποιούν νευρωνικούς και μη ταξινομητές με προγραμματισμό η χρήση εξειδικευμένου λογισμικού.
Περίγραμμα μαθήματος:
- Εισαγωγή, στόχοι και σημασία της Μηχανικής Μάθησης. Συλλήψεις και συμβάντα. Πρότυπα και χαρακτηριστικά,. τάξεις και συγκεντρώσεις. Διανυσματική περιγραφή Προτύπων.
- Ισότητα και Ομοιότητα Προτύπων. Αποστάσεις και Εσωτερικό Γινόμενο. Πίνακας Μεταβλητότητας.
- Προσδιορισμός Συγκεντρώσεων και Τάξεων. Εκπαίδευση με και χωρίς επόπτη. Ταξινόμηση και Ταξινομητές. Γραμμικές Διακριτικές Συναρτήσεις.
- Γραμμικοί ταξινομητές, ο ταξινομητής perceptron.
- Μη γραμμικά προβλήματα ταξινόμησης. Ο πολυεπίπεδος perceptron, εκπαίδευση με οπισθοδιάδωση σφάλματος (back error propagation).
- Συνελιτικά Δίκτυα (CNN).
- Στατικές Μέθοδοι Ταξινόμησης. Κανόνας Απόφασης του Βayes. Κανόνας του κοντινότερου γείτονα.
- Εκπαίδευση Χωρίς Επόπτη. Προσδιορισμός Συγκεντρώσεων. Μέθοδος της αλυσίδας. Ο αλγόριθμος k-means. Αυτοοργανούμενοι πίνακες χαρακτηριστικών, νευρωνικό δίκτυο Kohonen.
- Αξιολόγηση και επιλογή χαρακτηριστικών. Ανάλυση κύριων συνιστωσών. Εκπαίδευση νευρωνικών δικτύων με τον κανόνα του Ηebb.
- Εφαρμογές.
Βιβλιογραφία:
Συγγράμματα μέσω του συστήματος ΕΥΔΟΞΟΣ
- Βιβλίο [13256974]: Αναγνώριση Προτύπων, Theodoridis S.
- Βιβλίο [9743]: Νευρωνικά Δίκτυα & Μηχανική Μάθηση, Haykin Simon
- Βιβλίο [13908]: ΤΕΧΝΗΤΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ, ΚΩΝΣΤΑΝΤΙΝΟΣ ΔΙΑΜΑΝΤΑΡΑΣ
Συμπληρωματικά: “Εισαγωγή στην Μηχανική Μάθηση”, Ethem Alpaydin, Broken Hill, 2022, ISBN: 978-9925-588-50-3
- Διδάσκων: ΧΑΡΑΛΑΜΠΟΣ ΣΤΡΟΥΘΟΠΟΥΛΟΣ