Strojno učenje

Cilj predmeta je poglobiti znanje iz strojnega učenja, ki so ga študenti pridobili na dodiplomskem študiju. Pri predmetu spoznavamo najbolj uspešne pristope in se poglobimo vanje, spoznamo kako delujejo in kakšne so njihove omejitve. Predmet pripravi študenta na nadaljnji, bolj poglobljen študij
pristopov strojnega učenja oziroma na uporabo metod strojnega učenja v praksi.

Vsebina predmeta:

Kaj je strojno učenje, kaj so osnovni principi, kaj želimo doseči.
Linearna regresija in regularizacija, cenovne funkcije.
Vrednotenje modelov.
Gradientni sestop in stohastičen gradientni sestop in zakaj sta metodi uporabni v strojnem učenju.
Klasifikacija z metodo logistične regresije.
Generalizirani linearni modeli.
Ansambelske metode.
Jedrne metode.
Umetne nevronske mreže.
Metode za zmanjševanje dimenzionalnosti prostora.
Razlaga modelov strojnega učenja.
Spodbujevano učenje.

Vaje

Vaje bodo obsegale samostojno reševanje nalog na tematiko, ki bo obravnavana na predavanjih. Asistenta bosta na kratko razložila teorijo in kaj je pri nalogi potrebno narediti, sledilo bo samostojno delo, ki ga bodo študenti lahko končali doma. Rešitve nalog bo potrebo zagovoriti. Če bodo študenti zaključili z nalogo, jo bodo lahko zagovorili takoj, lahko na naslednjih vajah, najkasneje pa na terminu za zagovore. Vsake tri tedne bo termin za zagovore, kjer bodo študenti lahko zagovorili po tri naloge skupaj.