Masinõpe ja selle rakendused (ULP6613-24297)
Õppeaine kood
ULP6613-24297
vana ainekood
Õppeaine nimetus eesti k
Masinõpe ja selle rakendused
Õppeaine nimetus inglise k
Topics on Machine Learning and its Applications
Õppeaine maht EAP
6.0
Kontrollivorm
eksam
2023/2024 kevadsemestri õppejõud
Ei ole õpetamiseks avatud. Vt all õppekava lingi kaudu peaeriala all nominaaljaotuse ajakava.
2024/2025 sügissemestri õppejõud
Ei ole õpetamiseks avatud. Vt all õppekava lingi kaudu peaeriala all nominaaljaotuse ajakava.
Õppeaine eesmärgid
Õppeaine eesmärk on anda üliõpilastele ülevaade masinõppe mudelitest ja oskus teha täpseid ennustusi. Õppeaines tutvustatakse konkreetseid teemasid nagu stiimulõpe ning masinõpe R ja Python keeles.
Õppeaine sisu lühikirjeldus
Õppeaine keskendub andmete eeltöötlusele. Regressioon: lihtne lineaarne regressioon, mitmekordne lineaarne regressioon, polünoomne regressioon, SVR, otsustuspuu regressioon, otsustusmetsa regressioon. Klassifikatsioon: logistiline regressioon, K-NN, SVM, Kernel SVM, naiivne Bayes, otsustuspuu klassifikatsioon, otsustusmetsa klassifikatsioon. Klasterdamine: K-keskmised, hierarhiline klasterdamine. Stiimulõpe: ülemine usalduspiir, Thompsoni valim, PC7. Süvaõpe: tehisnärvivõrgud, konvolutsioonilised närvivõrgud.
Õppeaine õpiväljundid
Õppeaine edukal läbimisel üliõpilane:
- arutleb peamistel masinõppe ja selle rakendustega seotud teemadel ning tunneb valdkonna põhimõisteid;
- valdab masinõpet R ja Python keeles;
- rakendab täiustatud tehnikaid nagu mõõtmete vähendamine;
- koostab masinõppe mudeleid ja mõistab, kuidas neid probleemi lahendamiseks kombineerida.
- arutleb peamistel masinõppe ja selle rakendustega seotud teemadel ning tunneb valdkonna põhimõisteid;
- valdab masinõpet R ja Python keeles;
- rakendab täiustatud tehnikaid nagu mõõtmete vähendamine;
- koostab masinõppe mudeleid ja mõistab, kuidas neid probleemi lahendamiseks kombineerida.
Õppejõud
Daniel Filipe Sobral Fernandes
Õppekavaversioonid, millesse aine kuulub