Weekly outline

  • General

    Το μάθημα προσφέρεται στα πλαίσια του ΔΠΜΣ "Επιστήμη Δεδομένων και Μηχανική Μάθηση". Εδώ θα βρείτε σημειώσεις και διαφάνειες για το δεύτερο μέρος του μαθήματος που εστιάζει στη Θεωρία της Μηχανικής Μάθησης και στις εφαρμογές της Κυρτής Βελτιστοποίησης στη Μηχανική Μάθηση. 

    Οι διαλέξεις γίνονται κάθε Δευτέρα, στην αίθουσα 004, του Ν. Κτ. Ηλεκτρολόγων ώρα 15:00-18:00

    Διδάσκοντες


    Βιβλιογραφία και Σχετικά Μαθήματα

  • 6 May - 12 May

    • Εισαγωγή, PAC Learning.
      Διαφάνειες (set1 και set2).
      Προτεινόμενη μελέτη: Κεφάλαια 1-3 από Understanding Machine Learning. 

    • 13 May - 19 May

      • 20 May - 26 May


        • 27 May - 2 June

          • Online Gradient Descent, ανάλυση για convex και strongly convex συναρτήσεις. 
          • Stochastic Gradient Descent, ανάλυση με αναγωγή στην ανάλυση της Online Gradient Descent. 
            Προτεινόμενη μελέτη: Σύνοψη ανάλυσης σε διαφάνειες, ενότητες 2.1, 2.2, 3, 3.1, 3.3 και 3.4 από Online Convex Optimization
          • Ο ρόλος του regularization στη βελτιστοποίηση υποθέσεων στο Machine Learning. 
            Προτεινόμενη μελέτη: διαφάνειες Shalev-Shwartz (διαφ. 1-23), και κεφάλαιο 13 από Understanding Machine Learning. 
          • Bandit Convex Optimization and Multi Armed Bandits. 
            Προτεινόμενη μελέτη: Διαφάνειες, ενότητες 6.1 και 6.2 από Online Convex Optimization.

          • 10 June - 16 June

            • Dimensionality reduction: PCA, random projections, compressed sensing. 
              Προτεινόμενη μελέτη: διαφάνειες Shalev-Shwartz και κεφάλαιο 23 από Understanding Machine Learning. 
            • Generative models: maximum likelihood, naive Bayes, LDA, latent variables and EM, Bayesian reasoning. 
              Προτεινόμενη μελέτη: διαφάνειες Shalev-Shwartz και κεφάλαιο 24 από Understanding Machine Learning.