Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2022/2023

Statistical Machine Learning

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
BE4M33SSU Z,ZK 6 2P+2C anglicky
Korekvizita:
Přednášející:
Vojtěch Franc, Boris Flach (gar.), Jan Drchal
Cvičící:
Vojtěch Franc, Boris Flach (gar.), Daniel Bonilla Licea, Jan Drchal
Předmět zajišťuje:
katedra kybernetiky
Anotace:

The aim of statistical machine learning is to develop systems (models and algorithms) for learning 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

- Maximum Likelihood estimators and their properties

- Unsupervised learning, EM algorithm, mixture models

- Bayesian learning

- Deep (convolutional) networks

- Supervised learning for deep networks

- Hidden Markov models

- Structured output SVMs

- 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) for learning 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

4. I. Goodfellow, Y. Bengio and A. Courville, Deep Learning, MIT Press, 2016

Poznámka:
Další informace:
https://cw.fel.cvut.cz/wiki/courses/BE4M33SSU
Rozvrh na zimní semestr 2022/2023:
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
místnost T2:C3-340
Flach B.
Franc V.

12:45–14:15
(přednášková par. 1)
Dejvice
T2:C3-340
St
Čt
místnost KN:E-112
Flach B.
Franc V.

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

Karlovo nám.
Cvičebna Vyčichlova
místnost KN:E-112
Flach B.
Franc V.

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

Karlovo nám.
Cvičebna Vyčichlova
místnost KN:E-112
Bonilla Licea D.
12:45–14:15
(přednášková par. 1
paralelka 102)

Karlovo nám.
Cvičebna Vyčichlova

Rozvrh na letní semestr 2022/2023:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 2. 2. 2023
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet4684906.html