Ειδικά Θέματα Στατιστικής και Πιθανοτήτων (ΕΘΠΣ): Μεθοδολογικά Εργαλεία της Μηχανικής Μάθησης (7 ΠΜ)

Το μάθημα αυτό επικεντρώνεται σε μεθοδολογικά εργαλεία της μηχανικής μάθησης όπως πχ.

• Reproducing kernel Hilbert spaces και εφαρμογές
• Manifold learning, γεωμετρία των δεδομένων και εφαρμογές
• Θεωρία προσεγγίσεων και εφαρμογές στην βαθιά μάθηση (universal approximation theorems).
• Θεωρία πιθανοτήτων σε υψηλές διαστάσεις.
• Gaussian processes και εφαρμογές στην μηχανική μάθηση

Προτεινόμενη  Βιβλιογραφία

• Hofmann, Thomas, Bernhard Schölkopf, and Alexander J. Smola. "A tutorial review of rkhs methods in machine learning." Technical Report (2005).
• Higham, Catherine F., and Desmond J. Higham. "Deep learning: An introduction for applied mathematicians." Siam review 61.4 (2019): 860-891.
• Calin, Ovidiu. Deep learning architectures. New York City: Springer International Publishing, 2020 Ch. 9
• Σημειώσεις διδάσκοντα

Το περίγραμμα του μαθήματος βρίσκεται εδώ.