Gépi tanulás

Gépi tanulás

Tárgykód	vimima05
Általános infók
Szak	info MSc
Kredit	4
Ajánlott félév	Őszi
Keresztfélév	nincs
Tanszék	MIT
Követelmények
Labor	nincs
KisZH	nincs
NagyZH	nincs
Házi feladat	Két hetente 1 db
Vizsga	szóbeli
Elérhetőségek
Levlista	int-msc
Tantárgyi adatlap
Tárgyhonlap

Ez az oldal a korábbi SCH wikiről lett áthozva.

Ha úgy érzed, hogy bármilyen formázási vagy tartalmi probléma van vele, akkor, kérlek, javíts rajta egy rövid szerkesztéssel!

Ha nem tudod, hogyan indulj el, olvasd el a migrálási útmutatót.

Hivatalos segédanyag

• Russell-Norvig: Mesterséges Intelligencia
• Altrichter-Horváth-Pataki-Strausz-Takács-Valyon: Neurális Hálózatok
• Bishop: Pattern recognition and machine learning
• Goodfellow-Bengio-Courville: Deep Learning
• Boyd-Vandenberghe: Convex optimization

Régi Gépi tanulás tárgy zh-i

Most sajnos nincs időm migrálni az oldalt az új wikire, de:

2013.02.25. - ZH (aloldalt se látom, hogy lehet még itt létrehozni)

1. feladat - egy egyszerű döntési fa volt, információ nyereséget kellett számolni, semmi trükkös nem volt benne

2. feladat - döntési fa/szignifikancia alapú metszés, ahol egyik levélben X,Y volt, ki kellett számolni a D-t, majd megmondani mi következik ebből

3. feladat - elmélet, a hiányzó adatokkal kapcsolatban amit órán vettünk

(2. rész innentől) 4. feladat - levezetni a szakértőknél a tanult összefüggést (hibával és eltéréssel kapcsolatban...)

5. feladat - vállalható e valami x bizonyossággal, y feltételek esetén. a tanítás a mintapontokon nem volt konzisztens, de leginkább a hipotézistér végtelen mivolta miatt kellett a "nagy-gyökös-képlet"-et használni, VC dimenzióval mindennel. (nekem nem lett túl jó :)

-- Bartók Ferenc - 2013.04.02.

Régi Gépi tanulás tárgy vizsgái

2013.06.06. beugró vázlatosan:

- egy probléma leírás, 8 millió felnőttnek adott sok attribútum, de csak x ezernek adott a foglalkozása, hogyan tanítanánk? (félig ellenőrzöt...)

- egy 2 dimenziós körnek legalább 3 a VC dimenziója? (igen)

- 12 osztályos probléma, sok kétosztályosként oldjuk meg, meg volt adva mintaszám, ilyesmi és mennyi tanítópontot használunk fel (szerintem ez elég sok értelmű kérdés volt, mindegy)

- k-means, 7 random középpont pont ugyanoda esik, minthalamz Gauss el. azonos szórással különböző művel, hány iteráció lesz?

- k-means, de nem távolság adott, hanem hasonlóság -> hogyan módosítanánk?

- inf. szükséglet számítás

- epszilon=0.47, van e esély 0.05-re csökkenteni? (adaboost, de itt se volt amúgy teljesen egyértelmű)

- mindig max hasznosságot választ e az aktív megerősítéses?

- lehet e nem linearis az elválasztófelület, ha csak a kapuzó hálózatot tanítjuk?

- mincutot zajjal látjuk el és többször elvégezzük, miért jó?

- hasznosság függ egy a leszámítási tényezőtől?

Ennyi volt, pár helyen többféleképp is lehetett értelmezni.

-- Bartók Ferenc - 2013.06.06.

2014-es vizsgán hasonló kérdések voltak, de ez csak beugró volt. A kérdésekre 0-1-2 pontot lehetett kapni, 50%-tól van meg a beugró. Ezt követően kaptunk egy "húzott" tételt és feladatot (matlabbal sorsolták). A tételről értelemszerűen mesélni kellett, a feladathoz pedig gyakorlatilag elég volt tudni, hogy melyik képlettel kell megoldani, nem kellett végigszámolni.

-- Urinore - 2014.05.29.

Régi Gépi tanulás tárgy jegyzetei

• 2010-02-24.zip: előadás jegyzet 02-24-ig
• 2010-03-11.zip: előadás jegyzet 03-11-ig (+ appendix (órán kiadott feladatlapok) )
• gyakmegoldas_KP_v1.pdf: 2009_1 összes és 2010_2 1. és 2. feladat vélt megoldása
• gyakmegoldas_KP_v2.pdf: 2010_2 vélt megoldásai.
• gyakmegoldas_KP_v3.pdf: 2010_1 vélt megoldásai
• jegyzet_2011_02_07-2011_03_21.zip: 2011 jegyzet 02.07-től 03.20-ig (nem teljes, több forrásból, hibákat is tartalmazhat; készítette: Pálfalvi József)
• jegyzet_gyak_2011_04_28.zip: 2011 gyakorlat jegyzet 04.29
• jegyzet_gyak_2011_05_13.zip: 2011 gyakorlat jegyzet 05.13

-- Pálfalvi József - 2012.06.22.

Intelligens rendszerek - Mérnök informatikus MSc
1. félév (tavasz)	Adatbiztonság  •  Formális módszerek  •  Gépi tanulás  •  Kooperáció és intelligencia  •  Rendszeroptimalizálás  •  Valószínűségi következtető és döntéstámogató rendszerek
2. félév (ősz)	Alkalmazott algebra  •  Beágyazott intelligens rendszerek  •  Információ és tudás integrálás  •  Kooperáció és gépi tanulás laboratórium  •  Matematikai logika  •  Nyelvek és automaták  •  Szoftverarchitektúrák
3. félév (tavasz)	Beágyazott intelligens rendszerek laboratórium
Egyéb	Kötelezően választható tárgyak  •  Mérnöki menedzsment  •  Befektetések  •  Érvelés, tárgyalás, meggyőzés  •  Információs társadalom joga  •  Minőségmenedzsment  •  Projektmenedzsment  •  Vállalati jog  •  Vezetői számvitel