Παρουσίαση/Προβολή

(203 - ΜΗ0118) -  Nikos Ampazis

Περιγραφή Μαθήματος

Το μάθημα παρουσιάζει τις βασικές αρχές και μεθόδους της Μηχανικής Μάθησης, ξεκινώντας από το πώς ένα μοντέλο μαθαίνει από δεδομένα και πώς αξιολογούμε αν μπορεί να κάνει σωστές προβλέψεις σε νέα παραδείγματα. Εξετάζονται μέθοδοι όπως η γραμμική και η λογιστική παλινδρόμηση, οι κοντινότεροι γείτονες, τα δέντρα αποφάσεων, τα τυχαία δάση, η ομαδοποίηση και η μείωση διάστασης. Παρουσιάζονται επίσης τα νευρωνικά δίκτυα, οι βασικές τεχνικές εκπαίδευσής τους, οι μέθοδοι συνδυασμού πολλών μοντέλων και μια εισαγωγή στην ενισχυτική μάθηση. Ιδιαίτερη έμφαση δίνεται στην πρακτική εφαρμογή με Python, στην κατανόηση των αποτελεσμάτων και στην αποφυγή συνηθισμένων προβλημάτων, όπως η υπερπροσαρμογή και η λανθασμένη αξιολόγηση ενός μοντέλου.

Ημερομηνία δημιουργίας

Κυριακή 19 Οκτωβρίου 2025