Metody numeryczne w analizie danych i uczeniu maszynowym 1000-1M22NUM

Wykład dotyczy podstaw metod numerycznych wykorzystywanych w zadaniach uczenia maszynowego (ML) i analizy danych (DS). Zajmiemy się dwiema klasami zadań obliczeniowych:

• optymalizacja (regresja nieliniowa, m. gradientowe i nie tylko, akceleracja, backprop, ...)
  
• algebra liniowa (SVD, regresja liniowa, z regularyzacją, nowe rozkłady macierzy, ...)
  

Jak wystarczy czasu, zrobimy wycieczki w inne rejony na styku metod numerycznych i uczenia maszynowego lub analizy danych.

Każde omawiane zadanie obliczeniowe ma bezpośrednie motywacje z ML/DS, co zostanie pokazane.

Nie jest wymagana znajomość ML/DS.