• Šifra predmeta:63519
  • Kreditne točke:6
  • Semester: zimski
  • Vsebina

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: kaj je učenje in relacija učenja z inteligenco, osnove strojnega učenja, napredne metode za ocenjevanje atributov, napredne metode za ocenjevanje rezultatov naučenega, napredne metode vizualizacije, kombiniranje algoritmov strojnega učenja, bayesovsko učenje, kalibracija verjetnosti, razlaga posameznih predikcij, RBF-nevronske mreže, globoke nevronske mreže, razvrščanje (clustering), povezovalna pravila (association rules), ocenjevanje zanesljivosti posameznih predikcij, rudarjenje besedil (text mining)k, matrična faktorizacija, analiza arhetipov, strojno učenje kot kompresija podatkov, aktivno učenj, profiliranje uporabnikov in priporočilni sistemi, ILP, osnove teorije naučljivosti.

 Vaje pri predmetu potekajo v obliki reševanja nekaterih nalog in posvetovanj z asistentom o seminarskem delu. Oceno vaj predstavlja ocena seminarske naloge. Pogoj za pozitivno oceno vaj je tudi doseženih polovica vseh točk na kvizih.

Ocena pri predmetu je sestavljena kot povprečje ocene vaj in ocene  izpita, pri pisnem izpitu je potrebno doseči več kot polovico točk.

  • Študijski programi
  • Porazdelitev ur na semester
45
ur
predavanj
24
ur
laboratorijskih vaj
6
ur
seminarskih vaj
  • Izvajalci
Nosilec predmeta
Prostor:R2.07
Asistent
Prostor:R2.26-LKM