Σκοπός του μαθήματος είναι η εισαγωγή στις βασικές αρχές της Υπολογιστικής Νοημοσύνης και σε θέματα όπως η μηχανική μάθηση, τα τεχνητά νευρωνικά δίκτυα και οι γενετικοί αλγόριθμοι. Έμφαση δίνεται σε εφαρμογές τους πάνω σε θέματα που αφορούν τη μεταλλευτική, μεταλλουργία, υλικά, γεωτεχνολογία και περιβάλλον.
Περιγραφή
Σκοπός του μαθήματος είναι η παρουσίαση στους φοιτητές της Σχολής Μηχανικών Μεταλλείων Μεταλλουργών ΕΜΠ των βασικών εννοιών και αρχών που διέπουν την Μηχανική Μάθηση και τον Προγραμματισμό. Στο πλαίσιο του μαθήματος οι φοιτητές αναπτύσσουν ικανότητες και δεξιότητες προγραμματισμού με αρωγό την γλώσσα Python, την R και το Matlab.
Πιο συγκεκριμένα, στο πλαίσιο του μαθήματος διδάσκονται:
- εισαγωγή της Μηχανικής Μάθησης και της Τεχνητής Νοημοσύνης με στοιχεία για την ιστορική εξέλιξη των συναφών τομέων,
- προβλήματα ταξινόμησης, παλινδρόμησης, ομαδοποίησης,
- μάθηση με επίβλεψη/χωρίς επίβλεψη, ενισχυτική μάθηση,
- δένδρα απόφασης,
- ασαφής λογική,
- μηχανές διανυσμάτων στήριξης,
- μάθηση με βάση τον κανόνα του Bayes,
- τεχνητά νευρωνικά δίκτυα και δίκτυα βαθιάς μάθησης,
- δημιουργία συνόλων εκπαίδευσης-αξιολόγησης,
- αξιολόγηση μοντέλων Μηχανικής Μάθησης.
Επιπροσθέτως στο πλαίσιο των εργαστηριακών ασκήσεων πραγματοποιείται αναλυτική παρουσίαση:
- εργαλείων ανοιχτού κώδικα σε Python, και R για την δημιουργία συστημάτων μηχανικής μάθησης (Scikit-Learn, Tensorflow, keras,caret, κλπ.)
- εφαρμογές μεθόδων μηχανικής μάθησης στο Matlab (Neural Network Toolbox, για την αξιοποίηση Νευρωνικών Δικτύων MLP, Fuzzy Logic Toolbox για την εφαρμογή συστημάτων λήψης αποφάσεων με βάση την ασαφή λογική)
- Παραδειγμάτων Τεχνητής Νοημοσύνης με την γλώσσα Prolog.
- Εφαρμογές των ως άνω μεθόδων σε θέματα που άπτονται των επιστημονικών πεδίων της Σχολής ΜΜΜ
Σύνδεσμος στο Helios: https://helios.ntua.gr/course/view.php?id=2176
