Strojno učenje za podatkovne vede 1

Linearni modeli. Linearna regresija. Linearna diskriminantna analiza. Logistična regresija. Gradientni sestop. Stohastični gradientni sestop.

Pristop strojnega učenja. Cenovna funkcija. Pristop z zmanjšanjem tveganja. Maksimizacija verjetja. Vrednotenje modelov. Prečno preverjanje.

Izbor značilk. Pristopi z iskanjem. Regularizacija.

Drevesni modeli. Klasifikacijska in regresijska drevesa. Naključni gozd. Pristop bagging. Gradientni razvoj niza dreves.

Gručenje. Metoda voditeljev. Algoritem EM.

Nelinearna regresija. Bazne funkcije. Zlepki. Metoda podpornih vektorjev. Trik z jedri.

Nevronske mreže. Perceptron. Aktivacijske funkcije. Tehnika vzvratnega razširjanja napak.

• James G, Witten D, Hastie T, Tibshirani T (2017) An Introduction to Statistical Learning, Springer.
• Hastie T, Tibshirani R, Friedman J (2003) The elements of statistical learning, Springer.

Predmet je namenjen seznanitvi z matematičnimi in algoritmičnimi osnovami strojnega učenja ter vidiki uporabe strojnega učenja pri reševanju praktičnih problemov. Predmet pripravi študente na študij naprednejših metod iz strojnega učenja.

Po uspešno zaključenem predmetu naj bi bili študentje zmožni:

• Uporabiti pristope strojnega učenja k podatkovni analitiki.
• Evalvirati različne tehnike modeliranja.
•  Izbrati ustrezno tehniko za dani problem in podatke.
•  Interpretirati rezultate strojnega učenja.

Prepoznati potencialne probleme.

Predavanja, vaje, domače naloge in nabor manjših projektov.

Sprotno preverjanje (domače naloge, projekti)

Končno preverjanje (pisni izpit)

Ocene: 6-10 pozitivno, 5 negativno
(v skladu s Statutom UL).

• Hočevar T, Zupan B, Stålring J (2021) Conformal Prediction with Orange. Journal of Statistical Software 98:1-22.
• Hočevar T, Demšar J (2014) A combinatorial approach to graphlet counting. Bioinformatics 30(4):559-65.
• Čopar A, Žitnik M, Zupan B (2017) Scalable non-negative matrix tri-factorization, BioData Mining 10:41.
• Žitnik M, Zupan B (2016) Jumping across biomedical contexts using compressive data fusion, Bioinformatics 32(12):i90-i100.
• Stražar M, Žitnik M, Zupan B, Ule J, Curk T (2016) Orthogonal matrix factorization enables integrative analysis of multiple RNA binding proteins, Bioinformatics 32(10): 1527-35.
• Žitnik M, Nam EA, Dinh C, Kuspa A, Shaulsky G, Zupan B (2015) Gene prioritization by compressive data fusion and chaining, PLoS Computational Biology 11(10):e1004552.
• Starič A, Demšar J, Zupan B (2015) Concurrent software architectures for exploratory data analysis. WIREs Data Mining and Knowledge Discovery 5(4):165-180.