Wprowadzenie uczenia maszynowego
• Uczenie statystyczne a uczenie maszynowe
• Iteracja i ocena
• Kompromis między stronniczością a wariancją
Uczenie nadzorowane i uczenie nienadzorowane
• Języki, typy i przykłady uczenia maszynowego
• Uczenie nadzorowane a nienadzorowane
Uczenie Nadzorowana
• Drzewa decyzyjne
• Losowe lasy
• Ocena modelu
Uczenie maszynowe z Pythonem
• Wybór bibliotek
• Narzędzia dodatkowe
Regresja
• Regresja liniowa
• Uogólnienia i nieliniowość
• Ćwiczenia
Klasyfikacja
• Statystyka Bayesowska
• Naiwny Bayes
• Regresja logistyczna
• K-Najbliżsi sąsiedzi
• Ćwiczenia
Walidacja krzyżowa i ponowne próbkowanie
• Podejścia do walidacji krzyżowej
• Bootstrap
• Ćwiczenia
Nauka nienadzorowana
• Grupowanie K-średnich
• Przykłady
• Wyzwania związane z nauką nienadzorowaną i poza K-średnimi
Sieci neuronowe
• Warstwy i węzły
• Biblioteki sieci neuronowych Pythona
• Praca z scikit
• Praca z PyBrain
• Głęboka uczenie maszynowe