Τύπος
ΕΠΙΛΟΓΗΣ

Κωδικός Τμήματος
AI

Τμήμα
ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

Περιγραφή

Εξάμηνο: 8^o (Χειμερινό) | Τύπος μαθήματος: Επιλογής ΕΠ  | Εβδ.διδασκαλία: 3 | Πιστωτικές Μονάδες (ECTS): 5

Διδάσκοντες:      Πρωτοπαπαδάκης Ευτύχιος

Μαθησιακά αποτελέσματα

Στόχος του μαθήματος είναι η εισαγωγή στις βασικές αρχές και τεχνικές της μηχανικής μάθησης, ως κλάδου της Τεχνητής Νοημοσύνης. Το μάθημα δεν περιλαμβάνει Νευρωνικά Δίκτυα, μιας και αυτά διδάσκονται στο αντίστοιχο μάθημα του 8^ου εξαμήνου.

Οι φοιτητές που θα παρακολουθήσουν το μάθημα θα αποκτήσουν, πέρα από τη θεωρητική γνώση, και ικανότητα χρήσης εργαλείων μηχανικής μάθησης για επίλυση πραγματικών προβλημάτων, με χρήση της γλώσσας προγραμματισμού Python και σχετικών βιβλιοθηκών (π.χ., SciKit-learn).

Περιεχόμενο μαθήματος

Εισαγωγή

• Άρμωση Πολυωνυμικής Καμπύλης.
• Θεωρία Πιθανοτήτων: Πυκνότητες πιθανοτήτων, Προσδοκίες και συμμεταβλητότητες, Μπεϋζιανές πιθανότητες, Γκαουσιανή κατανομή, Επανάληψη άρμωσης καμπύλης, Μπεϋζιανή άρμωση καμπύλης
• Επιλογή Μοντέλου
• Η Κατάρα της Διαστατικότητας
• Θεωρία Αποφάσεων: Ελαχιστοποίηση του δείκτη λανθασμένης κατηγοριοποίησης, Ελαχιστοποίηση του αναμενόμενου κόστους, Η επιλογή της απόρριψης, Συμπεράσματα και αποφάσεις, Συναρτήσεις απωλειών παλινδρόμησης
• Θεωρία Πληροφορίας: Σχετική εντροπία και αμοιβαία πληροφορία

Κατανομές Πιθανοτήτων

• Δυαδικές Μεταβλητές: Κατανομή Βήτα
• Πλειονότιμες Μεταβλητές και Πολυωνυμικές Κατανομές: Κατανομή Dirichlet
• Η Γκαουσιανή Κατανομή: Δεσμευμένες Γκαουσιανές κατανομές, Γκαουσιανές περιθώριες κατανομές, Θεώρημα Bayes για Γκαουσιανές μεταβλητές, Μέγιστη πιθανοφάνεια για την Γκαουσιανή, Ακολουθητική εκτίμηση, Μπεϋζιανή συμπερασματολογία για την Γκαουσιανή, Student’s t- κατανομή, Περιοδικές μεταβλητές, Μείγματα Γκαουσιανών
• Η Εκθετική Οικογένεια: Μέγιστη Πιθανοφάνεια και Επαρκή Στατιστικά Μέτρα, Συζυγείς εκ των προτέρων, Μη πληροφοριακές εκ των προτέρων
• Μη παραμετρικές Μέθοδοι: Εκτιμήτριες πυκνότητας πυρήνα, Μέθοδοι πλησιέστερου γείτονα

Γραμμικά Μοντέλα Παλινδρόμησης

• Γραμμικά μοντέλα συναρτήσεων βάσης: Μέγιστη Πιθανοφάνεια και ελάχιστα τετράγωνα, Γεωμετρία ελάχιστων τετραγώνων, Σειριακή μάθηση, Ρυθμισμένα ελάχιστα τετράγωνα, Κανονικοποιημένα ελάχιστα τετράγωνα Πολλαπλές έξοδοι
• Εξάρτηση Μεροληψίας – Διακύμανσης: Μπεϋζιανή Γραμμική Παλινδρόμηση, Κατανομή Παραμέτρων, Προβλεπτική κατανομή, Ισοδύναμος Πυρήνας
• Σύγκριση Μοντέλων Bayes
• Η Προσέγγιση των Ενδείξεων: Υπολογισμός της συνάρτησης ενδείξεων, Μεγιστοποίηση της συνάρτησης ενδεικτικότητας, Ενεργός αριθμός παραμέτρων
• Περιορισμοί Συναρτήσεων Σταθερής Βάσης

Γραμμικά Μοντέλα Κατηγοριοποίησης

• Συναρτήσεις Διάκρισης: Δύο κλάσεις, Πολλαπλές κλάσεις, Μέθοδος Ελαχίστων Τετραγώνων στην Κατηγοριοποίηση, Γραμμική συνάρτηση διάκρισης του Fisher, Συσχέτιση με τα ελάχιστα τετράγωνα, Συνάρτηση Διάκρισης του Fisher για Πολλαπλές Κλάσεις,
• Πιθανοτικά Αναγεννητικά Μοντέλα: Συνεχείς Είσοδοι, Λύση της μέγιστης πιθανοφάνειας, Διακριτές Τιμές, Εκθετική οικογένεια,
• Πιθανοτικά Μοντέλα Διάκρισης: Συναρτήσεις σταθερής βάσης, Λογιστική παλινδρόμηση, Επαναληπτική επαναστάθμιση ελάχιστων τετραγώνων, Λογιστική Παλινδρόμηση για Πολλαπλές Κλάσεις, Παλινδρόμηση Probit, Κανονικές Συναρτήσεις Συνδέσμου
• Προσέγγιση κατά Laplace: Σύγκριση μοντέλων και BIC
• Μπεϋζιανή Λογιστική Παλινδρόμηση: Προσέγγιση κατά Laplace, Προβλεπτική κατανομή.

Μέθοδοι Πυρήνα

• Δυικές Αναπαραστάσεις
• Κατασκευή πυρήνων
• Διαδικασίες Gauss: Επανεξέταση της Γραμμικής Παλινδρόμησης, Γκαουσιανές διαδικασίες για παλινδρόμηση, Εκμάθηση των Υπερπαραμέτρων, Αυτόματος Προσδιορισμός Συνάφειας, Γκαουσιανές Διαδικασίες Ταξινόμησης, Προσέγγιση κατά Laplace

Μηχανές Αραιού Πυρήνα

• Κατηγοριοποιητές Μέγιστου Περιθωρίου: Επικάλυψη κατανομών κλάσεων,
• Συσχέτιση με τη λογιστική παλινδρόμηση, SVM πολλαπλών κλάσεων, SVM για παλινδρόμηση, Θεωρία υπολογιστικής μάθησης
• Μηχανές Διανυσμάτων Συνάφειας: RVM για παλινδρόμηση, Ανάλυση της αραιότητας,
• RVM για κατηγοριοποίηση

Μοντέλα Μίξης και Αλγόριθμος EM

• Ομαδοποίηση κατά Κ-means: Κατάτμηση εικόνας και συμπίεση
• Μίξεις Γκαουσιανών: Μέγιστη Πιθανοφάνεια, O EM αλγόριθμος για Γκαουσιανές μίξεις
• Μία Εναλλακτική Θεώρηση του ΕΜ: Επανάληψη των Γκαουσιανών Μίξεων, Συσχέτιση με τον αλγόριθμο K-means, Μίξεις Κατανομών Bernoulli, Ο ΕΜ στο πρόβλημα της Μπεϋζιανής γραμμικής παλινδρόμησης
• Ο αλγόριθμος EM Γενικά

Συνεχείς Λανθάνουσες Μεταβλητές

• Ανάλυση Κύριων Συνιστωσών: Διαμόρφωση μέγιστης διακύμανσης, Διαμόρφωση ελάχιστου σφάλματος, Εφαρμογές της PCA, PCA για δεδομένα υψηλών διαστάσεων,
• Πιθανοτική PCA: PCA μέγιστης πιθανοφάνειας, Ο αλγόριθμος EM για PCA, PCA κατά Bayes, Ανάλυση παραγόντων
• PCA Πυρήνα: Μη Γραμμικά Μοντέλα Λανθανουσών Μεταβλητών, Ανάλυση ανεξάρτητων συνιστωσών, Μοντελοποίηση μη γραμμικών πολλαπλοτήτων

Συνδυασμός Μοντέλων

• Υπολογισμός Μέσου του Μπεϋζιανού Μοντέλου
• Επιτροπές
• Ενίσχυση: Ελαχιστοποίηση του εκθετικού σφάλματος, Συναρτήσεις σφάλματος για ενίσχυση
• Μοντέλα βασισμένα σε δέντρα

Υπό συνθήκη Μοντέλα Μίξης: Μοντέλα μίξης γραμμικής παλινδρόμησης, Μίξεις των λογιστικών μοντέλων, Μίξεις ειδικών

Αξιολόγηση φοιτητών

Ατομικές εργασίες

Γραπτές τελικές εξετάσεις

Βιβλιογραφία

(Ένα από τα παρακάτω:)

86198212        ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ, Τύπος: Σύγγραμμα, ΚΩΝΣΤΑΝΤΙΝΟΣ ΔΙΑΜΑΝΤΑΡΑΣ, ΔΗΜΗΤΡΗΣ ΜΠΟΤΣΗΣ, 2019, ΕΚΔΟΣΕΙΣ ΚΛΕΙΔΑΡΙΘΜΟΣ ΕΠΕ, ISBN: 978-960-461-995-5

86053413        ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΚΑΙ ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ, Τύπος: Σύγγραμμα, C.M. Bishop, 2019, Fountas, ISBN: 9789603307907

Συμπληρωματικό υλικό

Τύπος
ΥΠΟΧΡΕΩΤΙΚΟ

Κωδικός Τμήματος
ΜΤΝΑΔ

Τμήμα
Π.Μ.Σ. ΣΤΗΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΑΝΑΛΥΤΙΚΗ ΔΕΔΟΜΕΝΩΝ

Περιγραφή

Η περιγραφή του μαθήματος δεν είναι διαθέσιμη

Τύπος
ΕΠΙΛΟΓΗΣ

Κωδικός Τμήματος
AI

Τμήμα
ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

Περιγραφή

Περιλαμβάνει Άρθρα σε διεθνή ή ελληνικά επιστημονικά περιοδικά (με κριτές).

2024

• Enhancing Deep Learning Model Explainability in Brain Tumor Datasets Using Post-Heuristic Approaches

  Προβολή Δημοσίευσης

2023

• A Low-Cost Gamified Urban Planning Methodology Enhanced with Co-Creation and Participatory Approaches

  Προβολή Δημοσίευσης

• Performance comparison of physics-based and machine learning assisted multi-fidelity methods for the management of coastal aquifer systems

  Προβολή Δημοσίευσης

• Graph-based semi-supervised learning with tensor embeddings for hyperspectral data classification

  Προβολή Δημοσίευσης

Περιλαμβάνει Άρθρα σε δημοσιευμένα πρακτικά διεθνών ή ελληνικών συνεδρίων (με κριτές).

2024

• UAV-based Localization of Removable Urban Pavement Elements Through Deep Object Detection Methods

  Προβολή Δημοσίευσης

• Outlier detection in maritime environments using AIS data and deep recurrent architectures

  Προβολή Δημοσίευσης

• Networking Solutions for the Evaluation of Nature-Based Interventions in Cities

  Προβολή Δημοσίευσης

• Quantifying the Impact of Nature based Interventions on Citizen Health and Well-being

  Προβολή Δημοσίευσης

• Multi-scale Intervention Planning Based on Generative Design

  Προβολή Δημοσίευσης

2023

• A web-based application for the spatiotemporal monitoring of the impact of nature-based solutions on the urban environment and the well-being of citizens: the euPOLIS visualization platform

  Προβολή Δημοσίευσης

• Real time road defect monitoring from UAV visual data sources

  Προβολή Δημοσίευσης

• Deep transformer networks for precise pothole segmentation tasks

  Προβολή Δημοσίευσης

• A Few-Shot Attention Recurrent Residual U-Net for Crack Segmentation

  Προβολή Δημοσίευσης

• Investigating the Impact of a Low-Rank Tensor-Based Approach on Deforestation Imagery

  Προβολή Δημοσίευσης