Propozycje tematów

• Analiza składowych głównych, rozdział 10 w [ISLR]
• SVM i jądra (kernele), Rozdział 9 w [ISLR], [HSS]
• Wprowadzenie do głębokiego uczenia, [NDL]
• Ukryte modele Markowa, Rozdziała 9 w [MS], [HEM]
• Włożenie słów w przestrzeń wektorową (word embedding) [GL], [Sch] - zajęte
• Klasyfikacja przez porównanie z najbliższym sąsiadami
• Przypisanie części mowy metodą Brilla [Bri1]
• Experymenty z prostym tłumaczeniem maszynowym
• Experymenty z rozpoznawaniem języka bazowane na częstościach znaków i łańcuchach Markowa dla znaków
• Experymenty z prostymi sieciami neuronowymi - zajęte
• Funkcje sklejane
• Generatory liczb pseudolosowych [ON] - zajęte
• Funkcje eliptyczne
• Funkcje hipergeometryczne
• Interpolacja wielomianów rzadkich
• Gramatyki bezkontekstowe

• [Bri1] Artykół o taggrze Brilla w Wikipedii
• [GL] Y. Goldberg, O. Levy, word2vec Explained: Deriving Mikolov et al.’s Negative-Sampling Word-Embedding Method,
• [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
• [ON] M. O’Neill, PCG: A Family of Simple Fast Space-Efficient Statistically Good Algorithms for Random Number Generation
• [NDL] M. Nielsen Neural Networks and Deep Learning
• [Sch] H. Schuetze Distributional Part-of-Speech Tagging