3319: Εργαστήριο

Μέγεθος γραμματοσειράς

A-
A
A+

Χρώμα ιστοτόπου

R
A
A
A

Εργαστήριο

Στον φάκελο αυτό θα ανεβαίνει το υλικό που παρουσιάζεται στα εργαστήρια του μαθήματος. Οι βιντεοσκοπημένες παρουσιάσεις του εργαστηρίου βρίσκονται στο MS Teams στο κανάλι "Εργαστήριο" στο tab "Files".

01. Intro Python Notebooks

01. Intro Python Notebooks

01.1 Python Jupyter Notebooks.pdf

01.1 Python Jupyter Notebooks.pdf

01.2 Intro Notebooks.pdf

01.2 Intro Notebooks.pdf

02. Classification 1

02. Classification 1

0. Machine Learning Short Introduction.gslides

0. Machine Learning Short Introduction.gslides

Άσκηση 01 Pima Indians.ipynb

Άσκηση 01 Pima Indians.ipynb

Ασκηση 02 kNN from scratch.ipynb

Ασκηση 02 kNN from scratch.ipynb

Classification 1.1 datasets - train test sets - GNB.ipynb

Classification 1.1 datasets - train test sets - GNB.ipynb

Classification 1.2 bias variance - knn - crossvalidation.

Classification 1.2 bias variance - knn - crossvalidation.

03. Classification 2

03. Classification 2

Άσκηση 03 GBN LR kNN στο Pima Indians.ipynb

Άσκηση 03 GBN LR kNN στο Pima Indians.ipynb

Classification 2.1 logistic regression - evaluation metrics.ipynb

Classification 2.1 logistic regression - evaluation metrics.ipynb

Classification 2.2 data preprocessing - MLP.ipynb

Classification 2.2 data preprocessing - MLP.ipynb

04. Classification 3

04. Classification 3

Άσκηση 04 Βελτιστοποίηση kNN και SVC στο Iris με την Optuna.ipynb

Άσκηση 04 Βελτιστοποίηση kNN και SVC στο Iris με την Optuna.ipynb

classification 3.1 gridsearchcv - hyperparameter optimization.ipynb

classification 3.1 gridsearchcv - hyperparameter optimization.ipynb

classification 3.2 SVM.ipynb

classification 3.2 SVM.ipynb

05. Clustering 1

05. Clustering 1

Άσκηση 05 kMeans.ipynb

Άσκηση 05 kMeans.ipynb

Άσκηση 06 kMeans - HAC - DBSCAN - Fuzzy cMeans σε συνθετικά datasets (playground).ipynb

Άσκηση 06 kMeans - HAC - DBSCAN - Fuzzy cMeans σε συνθετικά datasets (playground).ipynb

Clustering 1.1 Intro - kMeans - Evaluation.ipynb

Clustering 1.1 Intro - kMeans - Evaluation.ipynb

Clustering 1.2 Hierarchical - Density - Fuzzy.ipynb

Clustering 1.2 Hierarchical - Density - Fuzzy.ipynb

06. Text Mining

06. Text Mining

Άσκηση 07 Text Mining Βελτιστοποίηση TF-IDF.ipynb

Άσκηση 07 Text Mining Βελτιστοποίηση TF-IDF.ipynb

Text Mining 1.1 Intro.ipynb

Text Mining 1.1 Intro.ipynb

Text Mining 1.2 Word Embeddings (Word2Vec).ipynb

Text Mining 1.2 Word Embeddings (Word2Vec).ipynb

Word_Embeddings_Intro.pdf

Word_Embeddings_Intro.pdf

07. Clustering 2. Γκαουσιανά Μοντέλα Μείξης και Αυτο-οργανούμενοι Χάρτες

07. Clustering 2. Γκαουσιανά Μοντέλα Μείξης και Αυτο-οργανούμενοι Χάρτες

Άσκηση 08 - Χρήση των GMMs ως Παραγωγικών Μοντέλων.ipynb

Άσκηση 08 - Χρήση των GMMs ως Παραγωγικών Μοντέλων.ipynb

Άσκηση 09 - Αυτο-οργανούμενοι Χάρτες.ipynb

Άσκηση 09 - Αυτο-οργανούμενοι Χάρτες.ipynb

Clustering 2.1 Γκαουσιανά Μοντέλα Μείξης.ipynb

Clustering 2.1 Γκαουσιανά Μοντέλα Μείξης.ipynb

Clustering 2.2 Αυτο-οργανούμενοι Χάρτες.ipynb

Clustering 2.2 Αυτο-οργανούμενοι Χάρτες.ipynb

08. Γενετικοί Αλγόριθμοι και Βελτιστοποίηση

08. Γενετικοί Αλγόριθμοι και Βελτιστοποίηση

Άσκηση 10 Βελτιστοποίηση με ΓΑ.ipynb

Άσκηση 10 Βελτιστοποίηση με ΓΑ.ipynb

Genetics 1 Εξελικτική βελτιστοποίηση με Γενετικούς Αλγόριθμους.ipynb

Genetics 1 Εξελικτική βελτιστοποίηση με Γενετικούς Αλγόριθμους.ipynb

Genetics 2 Εισαγωγή στην βιβλιοθήκη ΓΑ DEAP.ipynb

Genetics 2 Εισαγωγή στην βιβλιοθήκη ΓΑ DEAP.ipynb

Genetics 3 Επίλυση του 0-1 Knapsack με Γενετικούς Αλγόριθμους.ipynb

Genetics 3 Επίλυση του 0-1 Knapsack με Γενετικούς Αλγόριθμους.ipynb

09. Εισαγωγή στη Βαθιά Μάθηση - Συνελικτικά δίκτυα

09. Εισαγωγή στη Βαθιά Μάθηση - Συνελικτικά δίκτυα

Άσκηση 11 Deep Learning on MNIST.ipynb

Άσκηση 11 Deep Learning on MNIST.ipynb

DL1 - Εισαγωγή στη Βαθιά Μάθηση και TF2 - Συνελικτικά δίκτυα.ipynb

DL1 - Εισαγωγή στη Βαθιά Μάθηση και TF2 - Συνελικτικά δίκτυα.ipynb

10. CNN, Μεταφορά Μάθησης, RNN, Εφαρμογές

10. CNN, Μεταφορά Μάθησης, RNN, Εφαρμογές

Άσκηση 12 Βελτίωση της επίδοσης στο CIFAR-100 (playground).pdf

Άσκηση 12 Βελτίωση της επίδοσης στο CIFAR-100 (playground).pdf

DL 2.1 CIFAR-100, Transfer Learning, Βελτιστοποίηση.ipynb

DL 2.1 CIFAR-100, Transfer Learning, Βελτιστοποίηση.ipynb

DL 2.2 Εφαρμογές RNN - CNN.pdf

DL 2.2 Εφαρμογές RNN - CNN.pdf

xmas reading list.pdf

xmas reading list.pdf

11. Reinforcement Learning

11. Reinforcement Learning

DQN Cartpole.ipynb

DQN Cartpole.ipynb

12. Αυτοκωδικοποιητές, GAN και εφαρμογές

12. Αυτοκωδικοποιητές, GAN και εφαρμογές

Άσκηση 12 - Αυτοκωδικοποιητές.ipynb

Άσκηση 12 - Αυτοκωδικοποιητές.ipynb

Άσκηση 13 - Fashion-MNIST.ipynb

Άσκηση 13 - Fashion-MNIST.ipynb

Αυτοκωδικοποιητές.ipynb

Αυτοκωδικοποιητές.ipynb

GAN_MNIST.ipynb

GAN_MNIST.ipynb

Λύσεις ασκήσεων

Λύσεις ασκήσεων

Άσκηση 01 Pima Indians - Solution.ipynb

Άσκηση 01 Pima Indians - Solution.ipynb

Ασκηση 02 kNN from scratch - Solution.ipynb

Ασκηση 02 kNN from scratch - Solution.ipynb

Άσκηση 03 GBN LR kNN στο Pima Indians - solution.ipynb

Άσκηση 03 GBN LR kNN στο Pima Indians - solution.ipynb

Άσκηση 04 Βελτιστοποίηση kNN και SVC στο Iris με την Optuna - solution.ipynb

Άσκηση 04 Βελτιστοποίηση kNN και SVC στο Iris με την Optuna - solution.ipynb

Άσκηση 05 kMeans - Solution.ipynb

Άσκηση 05 kMeans - Solution.ipynb

Άσκηση 07 Text Mining Βελτιστοποίηση TF-IDF - Solution.ipynb

Άσκηση 07 Text Mining Βελτιστοποίηση TF-IDF - Solution.ipynb

Άσκηση 08 Χρήση των GMMs ως Παραγωγικών Μοντέλων - Solution.ipynb

Άσκηση 08 Χρήση των GMMs ως Παραγωγικών Μοντέλων - Solution.ipynb

Άσκηση 09 Αυτο οργανούμενοι Χάρτες - Solution.ipynb

Άσκηση 09 Αυτο οργανούμενοι Χάρτες - Solution.ipynb

Άσκηση 10 Βελτιστοποίηση με ΓΑ - Solution.ipynb

Άσκηση 10 Βελτιστοποίηση με ΓΑ - Solution.ipynb

Άσκηση 11 Deep Learning on MNIST - Solution.ipynb

Άσκηση 11 Deep Learning on MNIST - Solution.ipynb

Άσκηση 12 - Αυτοκωδικοποιητές (solution).ipynb

Άσκηση 12 - Αυτοκωδικοποιητές (solution).ipynb

Προηγούμενη δραστηριότητα ◄ Επιλογή ομάδας εργαστηρίου

Επόμενη δραστηριότητα Εργασία 1. Επιβλεπόμενη Μάθηση ►

Γραφείο Αρωγής Χρηστών

Για δημιουργία μαθημάτων και ορισμό διδασκόντων επικοινωνήστε με τους υπεύθυνους της σχολής όπου ανήκει το μάθημα.

support_helios@mail.ntua.gr