Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2019/2020

Statistical Machine Learning

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
BE4M33SSU Z,ZK 6 2P+2C
Korekvizita:
Safety in Electrical Engineering for a master´s degree (BEEZM)
Přednášející:
Vojtěch Franc, Boris Flach (gar.), Jan Drchal
Cvičící:
Vojtěch Franc, Boris Flach (gar.), Jan Drchal
Předmět zajišťuje:
katedra kybernetiky
Anotace:

The aim of statistical machine learning is to develop systems (models and algorithms) able to learn to solve tasks given a set of examples and some prior knowledge about the task. This includes typical tasks in speech and image recognition. The course has the following two main objectives

1. to present fundamental learning concepts such as risk minimisation, maximum likelihood estimation and Bayesian learning including their theoretical aspects,

2. to consider important state-of-the-art models for classification and regression and to show how they can be learned by those concepts.

Požadavky:

Prerequisites of the course are:

- foundations of probability theory and statistics comparable to the scope of the course „Probability, statistics and information theory“ (A0B01PSI),

- knowledge of statistical decision theory foundations, canonical and advanced classifiers as well as basics of machine learning comparable to the scope of the course „Pattern Recognition and Machine Learning“ (AE4B33RPZ)

Osnova přednášek:

The course will cover the following topics

- Empirical risk minimization, consistency, bounds

- Kernel SVMs, RKHS, regression

- Semi-supervised learning

- Unsupervised learning, EM algorithm, mixture models

- Bayesian learning

- Deep (convolutional) networks and Boltzmann machines (graphical models)

- Supervised learning for deep networks

- Hopfield nets and energy minimisation (MAP in MRFs)

- Structured output SVMs

- Sampling methods, sampling from models

- Ensemble learning, random forests

Osnova cvičení:

Labs will be dedicated to practical implementations of selected methods discussed in the course as well as seminar classes with task-oriented assignments.

Cíle studia:

The aim of statistical machine learning is to develop systems (models and algorithms) able to learn to solve tasks given a set of examples and some prior knowledge about the task.

Studijní materiály:

1. M. Mohri, A. Rostamizadeh and A. Talwalkar, Foundations of Machine Learning, MIT Press, 2012

2. K.P. Murphy, Machine Learning: A Probabilistic Perspective, MIT Press, 2012

3. T. Hastie, R. Tibshirani and J. Friedman, The Elements of Statistical Learning, Springer, 2010

Poznámka:
Další informace:
http://cw.fel.cvut.cz/wiki/courses/be4m33ssu/start
Rozvrh na zimní semestr 2019/2020:
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
Út
místnost KN:E-107
Flach B.
Franc V.

12:45–14:15
(přednášková par. 1)
Karlovo nám.
Zengerova posluchárna K1
St
Čt
místnost KN:E-112
Flach B.
Drchal J.

09:15–10:45
(přednášková par. 1
paralelka 103)

Karlovo nám.
Cvičebna Vyčichlova
místnost KN:E-112
Drchal J.
Franc V.

11:00–12:30
(přednášková par. 1
paralelka 101)

Karlovo nám.
Cvičebna Vyčichlova
místnost KN:E-112
Franc V.
Drchal J.

12:45–14:15
(přednášková par. 1
paralelka 102)

Karlovo nám.
Cvičebna Vyčichlova

Rozvrh na letní semestr 2019/2020:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 21. 9. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet4684906.html