Propozycje tematów
Propozycje tematów
Możliwe tematy:
- Drzewa decyzyjne, rozdział 8 w [ISLR]
- Analiza składowych głównych, rozdział 10 w [ISLR]
- SVM i jądra (kernele), Rozdział 9 w [ISLR], [HSS]
- Wprowadzenie do Compressed Sensing, wybrane części z rozdziału 2
i 3 w [MCS], notatki T. Tao [Tao]
- Wprowadzenie do sieci neuronowych, rozdział 4 w [HNN]
- Wprowadzenie do głębokiego uczenia, [NDL]
- Ukryte modele Markowa, Rozdziała 9 w [MS], [HEM]
- Przypisanie części mowy metodą Brilla
- Experymenty z prostym tłumaczeniem maszynowym
- Experymenty z rozpoznawaniem języka bazowane na częstościach
znaków i łańcuchach Markowa dla znaków
- Ewolucyjne uczenie programów grających w gry, [SEW]
Literatura:
- [MCS]
Foucart, H. Rauhut,
A Mathematical Introduction to Compressive Sensing
- [HNN]
S. Haykin
Neural Networks and Learning Machines
- [HEM]
Notka a algorytmie EM
- [HSS]
T. Hofmann, B. Schoelkopf i A. Smola
Kernel Methods in Machine Learning obszerne wprowadzenie, 53 s.
- [ISLR]
G. James, D. Witten, T. Hastie, R. Tibshirani,
An Introduction to Statistical Learning with Applications in R
.
Również dodatkowe materiały.
- [MS]
Christopher D. Manning, Hinrich Schuetze, Foundations of statistical
natural language processing, MIT Press 1999.
web site,
Rozdział on ukrytuch modelach Markowa
- [NDL]
M. Nielsen
Neural Networks and Deep Learning
- [SEW]
M. Sipper
Evolved to win
- [Tao]
T. Tao
Notki z wykładu o comresed sensing