PREDMETI

Cilji

Cilj predmeta je pregledno predstaviti metodologijo in evalvacijo statističnega učenja na primerih s področja procesiranja naravnega jezika in grafov. Poudarek je na povezavi poznavanja teoretičnih konceptov s praktičnimi znanji iz podatkovne analitike, povezanimi z rabo orodij, ki omogočajo analizo podatkov, evalvacijo in izbor modelov, njihovo vizualizacijo in interpretacijo. Predvidene kompetence: - poznavanje osnovnih metodoloških pristopov k statističnemu učenju, - poznavanje mer uspešnosti učenja in njihovih lastnosti, - poznavanje načinov za ocenjevanje posplošitvene napake učenja, - praktična uporaba statističnih testov za primerjavo učnih modelov, - poznavanje načinov za kombiniranje učnih metod, - napredna vizualizacija napovednih modelov in odločitev, - poznavanje odprtokodnih orodij za statistično učenje

Predmetnik

Učenje kot modeliranje in optimizacija: cilji učenja, različne naloge učenja, klasifikacija, regresija, ocenjevanje verjetnosti in gostote verjetnosti, rangiranje, razvrščanje, posplošitve osnovnih nalog, učenje kot optimizacija Uspešnost učenja: mere uspešnosti učenja za različne naloge, intervali zaupanja, strmenske in permutacijske metode, kalibracija verjetnosti Ocene napake: pretirana prilagoditev učnim podatkom, regularizacija, dekompozicija napake na pristranost in razpršenost, prečno preverjanje, VC dimenzija, princip najkrajše dolžine opisa Primerjava modelov: neobstoj zastonjskega kosila, statistični testi za primerjavo modelov Kombiniranje modelov: šibko učenje in principi kombiniranja metod, napake in raznolikost kombiniranih metod Vizualizacija napovednih modelov: aditivni modeli, razlage odločitev, vizualizacijske tehnike za nekatere kompleksne modele Primeri uporabe za področje jezikovnih tehnologij in omrežij.