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