Yliopiston etusivulle Suomeksi Inte på svenska No english version available
Helsingin yliopisto Tietojenkäsittelytieteen laitos
 

Tietojenkäsittelytieteen laitos


58147-9 KONEOPPIMINEN (4 ov)


vs. prof, FT Tapio Elomaa

Kevät 1999, 26.1.-14.4.

Luennot: ti 10-12, ke 12-14 C454
"Laskarit": ti 14-16 C454
Koe: 26.4. päärakennuksen salissa 1 klo 16-20

Uutta

laskuharjoitus 23. 3., vastauksia mapissa
laskuharjoitus 30. 3., vastauksia mapissa perjantaina 9.4.
laskuharjoitus 13. 4., liitteineen lokerikossa

Aikataulu:
26.4. koe
10.5. harjoitustöiden palautus

UCI Repository

ohjelmia

Yleistä

Luennoin kurssin kevätlukukaudella '99 aiemmasta tiivistetyssä aikataulussa. Kurssilla pyritään kuitenkin käymään läpi oleellisesti samat asiat kuin aiempien vuosien pidemmällä kurssilla. Tiivistys tapahtuu johdantoa ja epärelevantteja yksityiskohtia pois raivaamalla.

Pääasiallinen oppimateriaali on luentomuistiinpanot. Siistin ja täydennän aiempia luentomuistiinpanojani tulevan syksyn kurssilla. Paras lähde alla mainituista oppikirjoista on Mitchellin tuore teos.

Kurssi on laudatur-tasoinen ja sopii myös jatko-opintoihin. Koneoppimisen saralta on myös tarjolla mielenkiintoisia, haastavia ja tarkkaan harkittuja Pro gradu -tutkielman aiheita.

Kurssilla tutustutaan induktiiviseen koneoppimiseen; erityisesti perehdytään luokittelijoiden oppimiseen. Lähestymistapa on algoritminen, mutta matemaattisen oppimisen teorian perusteet sisältyvät myös kurssin ohjelmaan.

Esitiedot

Perustiedot algoritmeista ja tietorakenteista (Tira) sekä niiden analyysistä (LaTe).

Muodot

Yleissivistäviä artikkeleita, kokeiluja olemassaolevilla oppimisalgoritmeilla. Laskuharjoituksia ei pidetä joka viikko, vaan osan niistä korvaa harjoitustyö, joka ohjelmoidaan käyttäen MLC++ kirjaston valmiita rutiineja.

Sisältö

1 JOHDANTO
2 INDUKTIIVINEN OPPIMINEN
3 LUOKITTELIJOIDEN OPPIMINEN
4 PAC-MALLI
5 PAC JA LUOKITTELIJAT
6 SOVELLUKSIA

Harjoitustöiden aiheita

Kirjallisuutta

  • Anthony, M. & Biggs, N.: Computational Learning Theory. Cambridge University Press, 1992.
  • Elomaa, T.: Koneoppiminen. Luentomuistiinpanot 1995-96.
  • Kearns, M. & Vazirani, U.: An Introduction to Computational Learning Theory. MIT Press, 1994.
  • Langley, P.: Elements of Machine Learning. Morgan Kaufmann, 1996.
  • Michie, D., Spiegelhalter, D. & Taylor, C. (toim.): Machine Learning, Neural and Statistical Classification. Ellis Horwood, 1994.
  • Mitchell, T.: Machine Learning. McGraw-Hill, 1997.
  • Russell, S. & Norvig, P.: Artificial Intelligence: A Modern Approach, Part VI: Learning. Prentice Hall, 1995.
  • Weiss, S. & Kulikowski, C.: Computer Systems that Learn. Morgan Kaufmann, 1991.
  • Linkkejä

  • MLC++
  • Blum: CMU '98 Course on Machine Learning Theory
  • Blum, Mitchell: CMU '96 Course on Machine Learning
  • Cohen, Freund, Schapire: Rutgers / Columbia '98? Courses on Machine Learning
  • Nilsson: Introduction to Machine Learning, Draft
  • Rivest, Singh: MIT '94 Course on COLT

  • Apr. 21, 1999 elomaa@cs.helsinki.fi