Tematy 2016/17

Systemy uczące się 2016/17
Seminarium i projekt (Agata Kołakowska)
1. Ocena jakości grupowania
seminarium: przedstawienie różnych metod i kryteriów oceny jakości grupowania, omówienie ich
zastosowań
projekt: implementacja przynajmniej dwóch metod grupowania (np. k-means i grupowanie hierarchiczne)
oraz trzech miar jakości, wykonanie eksperymentów dla przynajmniej trzech zbiorów danych, podczas
których zaimplementowane miary posłużą do doboru liczby skupisk oraz do porównania działania wybranych
algorytmów grupowania
2. Sieci Kohonena
seminarium: omówienie budowy sieci Kohonena, algorytmu uczenia jej i przykładów zastosowań
projekt: implementacja sieci samoorganizującej i zastosowanie jej do grupowania danych, porównanie
jakości grupowania z grupowaniem otrzymanym w wyniku zastosowania metody k-means
3. Uczenie struktury sieci bayesowskiej
seminarium: omówienie wybranych kryteriów oceny jakości sieci oraz metod uczenia jej struktury, które nie
zostały omówione w ramach wykładu
projekt: eksperymenty z wykorzystaniem oprogramowania WEKA, przetestowanie wszystkich metod uczenia
sieci bayesowskich zaimplementowanych w narzędziu WEKA, przeprowadzenie testów na kilku zbiorach
danych, porównanie wyników, wnioski, przygotowanie sprawozdania
4. Lasy losowe
seminarium: omówienie metody budowy lasu losowego, stosowania go w zadaniu klasyfikacji, sposobu
oceniania jakości klasyfikacji za pomocą lasu oraz przykładów zastosowań
projekt: implementacja metody tworzenia lasu losowego, przeprowadzenie eksperymentów na kilku
zbiorach danych, porównanie wyników klasyfikacji lasu oraz pojedynczych drzew, zbadanie wpływu
rozmiarów lasu na wyniki klasyfikacji, przygotowanie sprawozdania
5. Pakiet R
seminarium: przedstawienie pakietu (wymagania, instalacja, możliwości itd.), ilustracja działania na
przykładzie klasyfikacji za pomocą drzew decyzyjnych oraz grupowania
projekt: przygotowanie programu w języku R realizującego typowe zadania wykonywane podczas uczenia
klasyfikacji (np. drzewa decyzyjne) oraz grupowania (np. k-means) (wczytywanie danych, obróbka wstępna,
dobór parametrów uczenia, uczenie, testowanie); przeprowadzenie eksperymentów i prezentacja wyników
dla kilku zbiorów danych (np. pochodzących z bazy UCI Machine Learning Repository), przygotowanie
instrukcji dla początkujących użytkowników pakietu R (podstawowe operacje związane z uczeniem
maszynowym)
Systemy uczące się
Seminarium
Termin
4.11.2014
AK
18.11.2014
JD
25.11.2014
AK
2.12.2014
JD
9.12.2014
AK
16.12.2014
JD
Temat
Student