Μηχανική Μάθηση

Περιγραφή Μαθήματος

Οι μέθοδοι τεχνητής νοημοσύνης και μηχανικής μάθησης έχουν βρει μεγάλη απήχηση σε ένα μεγάλο και ολοένα αυξανόμενο εύρος εφαρμογών, όπου ο κύριος στόχος είναι η αυτοματοποιημένη ανάλυση μεγάλου όγκων δεδομένων και η εξαγωγή χρήσιμης-κρίσιμης πληροφορίας από αυτές. Ένα από αυτά τα πεδία με ιδιαίτερο πρακτικό και ερευνητικό ενδιαφέρον είναι και αυτό των γεωχωρικών δεδομένων, όπου υπάρχει τεράστια διαθεσιμότητα πολυτροπικών δεδομένων και η αυτοματοποιημένη και αποτελεσματική ανάλυσή τους είναι μια πρόκληση.

Στα πλαίσια του παρόντος μαθήματος θα πραγματοποιηθεί αρχικά μια εισαγωγή στις βασικές έννοιες της μηχανικής (και ειδικότερα της βαθιάς) μάθησης και του πως αυτές χρησιμοποιούνται στο πεδίο της ανάλυσης γεωχωρικών δεδομένων. Κομμάτι της διδασκόμενης ύλης θα αποτελέσουν οι τρόποι συλλογής, προετοιμασίας και προεπεξεργασίας δεδομένων, καθώς και αλγόριθμοι βελτιστοποίησης για τη δημιουργία μοντέλων μηχανικής μάθησης. Κατόπιν θα αναλυθεί η βασική θεωρία και τα δομικά στοιχεία που αφορούν την ανάπτυξη βαθιών νευρωνικών δικτύων, καθώς και μεθοδολογίες για την εκπαίδευση αυτών. Στη συνέχεια θα μελετηθούν τοπολογίες συνελικτικών νευρωνικών δικτύων για την ανάλυση δεδομένων, με έμφαση στην ανάλυση οπτικών χωρικών δεδομένων. Ιδιαίτερη προσοχή θα δοθεί σε μεθοδολογίες κατηγοριοποίησης, αναγνώρισης αντικειμένων και τμηματοποίησης εικόνων. Η ύλη θα ολοκληρωθεί με την εξέταση και των πιο πρόσφατων κατηγοριών νευρωνικών δικτύων, δηλαδή των αποκαλούμενων ‘μετασχηματιστών’.