Na izobraževanju bomo razjasnili razliko med človeško in računalniško inteligenco ter spoznali strojno učenje kot temelj umetne inteligence. Poglobili se bomo tudi v delovanje algoritmov strojnega učenja ter prikazali prednosti in slabosti posameznih pristopov. Pri tem je dobrodošlo, da udeleženci na vaje prinesejo tudi svoje podatke, ki bi jih želeli analizirati z algoritmi strojnega učenja, sicer pa se praktične vaje izvajajo na javno dostopnih podatkih.
Vsebina:
- UVOD IN PREGLED PODROČJA
- kaj je (umetna) inteligenca in kaj je (strojno) učenje;
- razlika med človekom in strojem; odkrivanje zakonitosti iz podatkov;
- nadzorovano učenje: klasifikacija in regresija;
- pregled aplikacij;
- osnovni principi in ocenjevanje strojnega učenja.
- OSNOVNE METODE STROJNEGA UČENJA
- predprocesiranje in vizualizacija podatkov;
- odločitvena in regresijska drevesa;
- K najbližjih sosedov, lokalno utežena regresija, Naivni Bayesov klasifikator, linearna regresija.
- NAPREDNE METODE STROJNEGA UČENJA
- učenje ansamblov,
- bagging, boosting, naključni gozdovi,
- umetne nevronske mreže,
- predstavitev znanja,
- bayesovsko učenje, Bayesove verjetnostne mreže,
- nenadzorovano učenje: asociacije, gručenje, povezovalna pravila.
- VSEBINA VAJ
- uvod v statistični paket R, ki je namenjen analizi podatkov z različnimi metodami strojnega učenja,
- priprava učne množice,
- Klasifikacija.
- učenje z ansambli.
- regresija, nenadzorovano učenje.
Za koga?
Izobraževanje je namenjeno vsem, ki:
- jih zanima, kako se lahko računalniki učijo in ali so računalniki inteligentni, kakšna je razlika med človekom in strojem.
- bi radi zvedeli, kaj zmore danes strojno učenje in umetna inteligenca.
- bi želeli spoznati, kako iz podatkov potegniti koristno znanje.
- bi radi naredili prvi korak k uporabi podatkov za napovedovanje/odločanje.
Po izobraževanju boste …
… poznali temeljne principe in zmožnosti, ki jih nudi strojno učenje.
… vedeli, kako umetno inteligenco uporabiti pri reševanju težkih problemov.
Predznanja:
Posebna predznanja niso potrebna.
Trajanje:
- 3 x 3 šolske ure predavanj in 2 x 6 šolskih ur praktičnih vaj na računalnikih.
