Tematy 2016/17
Transkrypt
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