Corso Vittorio Emanuele II, 39 - Roma 0669207671

Ingegneria Informatica (Ακαδημαϊκό έτος 2022/2023) - Big Data

Machine Learning



Διαφάνειες

ν. μαθήματος 1: Introduction to machine learning
   Brief overview of Machine Learning

   Problems and applications addressed by Machine Learning

   Learning Approaches
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 2: Fundamentals of machine learning - Part one
   Linear Regression

   General Formulation

   Probabilistic Interpretation
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 3: Fundamentals of machine learning - Part two
   Classification - Maximum likehood

   Generalised Linear Models
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 4: Fundamentals of machine learning - Part three
   Classification for multiple cases

   General Loss Function
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 5: Deep learning. Part one
   Neural Networks

   Vectorization

   Training
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 6: Deep learning. Part two
   Parameter initialization

   Parameter optimization

   Parameter analysis
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 7: Bias-variance, and Errors and metrics
   The Bias-Variance Tradeoff

   Error Analysis

   Performance Metrics in Classification
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 8: Support vector machines. Part one
   Functional and geometric margins

   The optimal margin classifier

   Lagrange Duality
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 9: Support vector machines. Part two
   The optimal margin classifier

   Kernels
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 10: Support vector machines. Part three
   Regularization and the non-separable case

   The SMO algorithm
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 11: Unsupervised learning
   K-Means Clustering

   Gaussian Discriminant Analysis

   Expectation Maximization
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 12: Principal component analysis and factor analysis
   Principal Component Analysis

   Factor Analysis
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 13: Reinforcement Learning and Control
   Why Reinforcement Learning

   Markov Decision Process

   Learning a model for an MDP
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 14: Learning theory
   Introduction to Learning Theory

   Finite H

   Infinite H
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 15: Regularization and model selection
   Cross Validation

   Feature Selection

   Bayesian Statistics and Regularization
Πηγαίνετε σε αυτή τη διαφάνεια Fabrizio Davide
ν. μαθήματος 16: Biomedical Analytics
   Growth of biomedical data

   Bioinformatics

   Biomedical data mining

   Real case studies
Πηγαίνετε σε αυτή τη διαφάνεια Emanuel Weitschek