Section outline

    • Εδώ αναρτώνται οι γενικές ανακοινώσεις από τους διδάσκοντες προς τους εγγεγραμμένους φοιτητές, οι οποίοι τις λαμβάνουν και στην ηλεκτρονική τους διεύθυνση.

    • Σε αυτό το forum, μπορεί οποιοσδήποτε εγγεγραμμένος φοιτητής να αναρτά ερωτήσεις σχετικές με το μάθημα και να λαμβάνει απαντήσεις από τους διδάσκοντες. Οι ερωτήσεις και οι απαντήσεις θα είναι διαθέσιμες σε όλους τους φοιτητές. 

      Οι φοιτητές μπορούν να δηλώσουν με την εγγραφή τους αν θέλουν να ενημερώνονται για τις αναρτώμενες ερωταπαντήσεις.


    • Κωνσταντίνος Χρυσαφίνος, Καθηγητής ( chrysafinos@math.ntua.gr )
    • Δημήτρης Φωτάκης, Καθηγητής ( fotakis@cs.ntua.gr )
    • Κωστής Καραταπάνης, Μεταδιδάκτορας

     

    Ώρες Γραφείου Διδασκόντων

    • Κωνσταντίνος Χρυσαφίνος: Δευτέρα & Πέμπτη 10:30-11:30 (Γραφείο 2-17, Κτ. Ε).
    • Δημήτρης Φωτάκης: Δευτέρα 15:00 - 16:00, στο γραφείο 1.1.10, (Παλαιό) Κτήριο Ηλεκτρολόγων.
    • Κωστής Καραταπάνης: θα ανακοινωθούν.

  • Το μάθημα προσφέρεται στα πλαίσια του ΔΠΜΣ "Επιστήμη Δεδομένων και Μηχανική Μάθηση" (ΕΔΕΜΜ), του ΔΠΜΣ "Αλγόριθμοι, Λογική και Διακριτά Μαθηματικά" (ΑΛΜΑ) και του Διδακτορικού Προγράμματος της ΣΗΜΜΥ ΕΜΠ. 

    Οι διαλέξεις του μαθήματος γίνονται κάθε Τετάρτη, ώρα 15:10-18:00στο Νέο Κτήριο Ηλεκτρολόγων, Αίθουσα 008.

    Η πρώτη διάλεξη για το εαρινό εξάμηνο 2024-2025 θα γίνει την Τετάρτη 12 Φεβρουαρίου.



  • Εδώ θα αναρτηθούν σημειώσεις των μαθημάτων.

    • Διάλεξη 14/2/2024: Διαδικαστικά θέματα. Εισαγωγή.
    • Διάλεξη 8/4/2024: Οnline learning, αλγόριθμος υποδιπλασιασμού, εκμάθηση διαζεύξεων, regret, no-regret αλγόριθμοι, weighted majority algorithm and randomized weighted majority algorithm, no-regret, εφαρμογές. PAC learning, no-free-lunch theorem, Empirical Risk Minimization (ERM). 

    • Διάλεξη 15/4/2024: PAC learning, Empirical Risk Minimization (ERM), VC-dimension, agnostic PAC learning (επανάληψη), learning via uniform convergence, non-uniform convergence, bias-complexity tradeoff, loss functions, ERM and convex optimization.  Οnline learning, regret, no-regret αλγόριθμοι, Follow the Leader (FTL) και Be the Leader BTL) (ορισμός και ανάλυση του regret).

    • Διάλεξη 22/4/2024: Online learning, regret, no-regret αλγόριθμοι, Follow the Leader (FTL) και Be the Leader BTL) (ορισμός και ανάλυση του regret, επανάληψη). Ο ρόλος της ισχυρής κυρτότητας στην ευστάθεια αλγορίθμων της μορφής Follow the Leader, regularization, Follow the Regularized Leader (FTRL, ορισμός, παραμετροποίηση με βάση τον regularizer, ανάλυση του regret). Οnline convex optimization, βασική ανάλυση της Gradient Descent για convex συναρτήσεις.

    • Διάλεξη 20/5/2024: Βασική ανάλυση της Gradient Descent για convex και strongly convex συναρτήσεις, Online Gradient Descent, ανάλυση για convex και strongly convex συναρτήσεις, Stochastic Gradient Descent, ανάλυση με αναγωγή στην ανάλυση της Online Gradient Descent. Εφαρμογή της SGD στην ελαχιστοποίηση log-likelihood για την εκμάθηση μέσης τιμής κανονικής κατανομής


    • Διάλεξη 27/5/2024: Επανεξέταση αλγορίθμων Gradient Descent, FTRL και Mirror Descent. Σύντομη εισαγωγή στους βασικούς αλγόριθμους για stochastic και adversarial multi-armed bandits.
    • Θα ανακοινωθούν δύο (2) σειρές ασκήσεων
    • Οι ασκήσεις υποβάλλονται στη σελίδα του μαθήματος, στο helios. Δεν γίνεται δεκτή η παράδοση ασκήσεων με e-mail.

    Εκφωνήσεις Γραπτών Ασκήσεων