Περιγραφή θέματος

  • Ανακοινώσεις

    Σύμπτυξη όλων Ανάπτυξη όλων

  • Γενικές πληροφορίες μαθήματος

    Φωτοεπισημασμένο

    Μεταπτυχιακό μάθημα χειμερινού εξαμήνου

    Κωδικοί μαθήματος στα προγράμματα σπουδών

    • ΠΜΣ: 316
    • ΕΔΕΜΜ: 852
    • ΔΣΑΚ: Γ12
    • ΕΜΕ: 94125
    • Προτυποποίηση: 9531

    Διδάσκοντες

    • Γεώργιος Στάμου, Καθηγητής
    • Ανδρέας-Γεώργιος Σταφυλοπάτης, Καθηγητής
    • Αθανάσιος Βουλόδημος, Επίκουρος Καθηγητής
    • Παρασκευή Τζούβελη, ΕΔΙΠ

    Διαλέξεις Θεωρίας

    Πέμπτη 12:45-15:30 Αιθ. 010. 

    Εργαστήριο

    Τρίτη 08:45-10:30 στο PC Lab της ΣΗΜΜΥ. 

    Το εργαστήριο πραγματοποιείται σε συγκεκριμένες ημερομηνίες που ανακοινώνονται εγκαίρως.

    Βαθμολογικό σχήμα

    • Τελική γραπτή εξέταση: 70%
    • Εργασίες: 30%

      Κανονισμοί απουσιών

      Η παρακολούθηση του μαθήματος είναι υποχρεωτική για όλους. Οι κανονισμοί διαφέρουν μεταξύ των προγραμμάτων. Παρακαλούμε συμβουλευτείτε τους κανονισμούς απουσιών που σας αφορούν.

      Διδακτέα - εξεταστέα ύλη

      Η διδακτέα και εξεταστέα ύλη είναι το σύνολο της ύλης των διαλέξεων και του εργαστηρίου.

    • Διαλέξεις

    • Εργαστήριο

      Το εργαστήριο γίνεται Τρίτη 08.45-10.30 στην αίθουσα Α3 του PC Lab σε συγκεκριμένες ημερομηνίες που ανακοινώνονται εγκαίρως. To PC Lab βρίσκεται στα νέα κτίρια ηλεκτρολόγων, στην πτέρυγα Α' (Α' φάση) στον πρώτο όροφο.  

    • Βιβλιογραφία

      Κύρια textbooks

      • Simon Haykin - Neural Networks and Learning Machines - Prentice Hall, 3rd Edition (2008) - Simon Haykin, Νευρωνικά Δίκτυα και Μηχανική Μάθηση, Εκδόσεις Παπασωτηρίου, 2010
      • Christopher Bishop - Pattern Recognition And Machine Learning - Springer (2006)
      • Mehryar Mohri, Afshin Rostamizadeh, Ameet Talwalkar - Foundations of Machine Learning (second edition) - The MIT Press (2018)
      • Shai Shalev-Shwartz and Shai Ben-David - Understanding Machine Learning: From Theory to Algorithms - Cambridge University Press (2014)

      Συμπληρωματικά textbooks

      • Ian Goodfellow, Yoshua Bengio, and Aaron Courville - Deep learning. MIT press (2016)
      • Vladimir Vapnik - The Nature Of Statistical Learning (second edition) - Springer  (2010)

      Πρακτική Μηχανική Μάθηση

      • Raschka, Sebastian, and Vahid Mirjalili. Python Machine Learning, 3rd Ed. Packt Publishing (2019) - code repository
      • Géron, A. Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems. O'Reilly Media. (2019) - code repository

      Αντιστοίχιση ύλης - κεφαλαίων textbooks

        Haykin Bishop Mohri Shalev Goodfellow
      Supervised Learning   4 1 2,9  
      Model Selection     4 11  
      Perceptron 1 4 8 9  
      Regression   3 11,6 9,16  
      Clustering   9   22  
      Decision Trees     9 18  
      MLP 4 5   20  
      DFFN         6
      The PAC Learning Framework     2 3,4  
      SVM & Kernel Methods 6 7 5,6 15,16  
      Regularization   5 5 13  
      Rademacher Complexity - VC Dimension     3 26,6  
      Deep Learning Intro1         9
      Online Learning     8 21  
      Reinforcement Learning     17    
      Boosting     7 10  
      Multiclass Classification - Ranking     9,10 17
      1για το ResNet: Dive Into Deep Learning 7.6