ΕΠΕ :: Διαδικτυακά Μαθήματα

Tag: Μηχανική Μάθηση

  • ✔ «Το Α.Ι. ήταν πάντα εδώ: Απλά εργαλεία για σύνθετα προβλήματα» // Χάρης Γεωργίου

    • Εισηγητής: Χάρης Γεωργίου, Ερευνητής Πληροφορικής (MSc, PhD) • Περιγραφή μαθήματος: Γνωριμία με τις βασικές έννοιες και πρακτική εργασία στο Machine Learning & Data Analytics (ML/DA), τι είναι το ML/DA “pipeline”, συχνά προβλήματα και τρόποι επίλυσης, προ-επεξεργασία δεδομένων και συνήθη εργαλεία (awk, sed, grep, split/merge, …), φτιάχνοντας πιο σύνθετα εργαλεία κατά περίπτωση (Python, Lua), μαζική επεξεργασία και…

  • ✔ «Σύνταξη και συγγραφή επιστημονικών-τεχνικών κειμένων» // Χάρης Γεωργίου

    • Εισηγητής: Χάρης Γεωργίου, Ερευνητής Πληροφορικής (MSc, PhD) • Περιγραφή μαθήματος: Τι είναι τα επιστημονικά-τεχνικά κείμενα, βασικοί παράγοντες & στόχοι, συνήθη πρότυπα οργάνωσης, σχεδίση εργασίας & χρονοπρογραμματισμός, κύκλοι εργασίας στη σύνταξη-συγγραφή, συνήθη εργαλεία σύνταξης (εξειδικευμένα), διαδικασίες δημοσίευσης (επιστημονικά περιοδικά-συνέδρια), βασικές έννοιες και διαδικασίες peer-review, συνήθεις μέσα διάχυσης ερευνητικού έργου (repositories). • Διάρκεια: 2:00:00 • Ημερομηνία μαθήματος: 17/04/2024 • Υλικό παρουσίασης:…

  • ✔ «Οι ηθικές διαστάσεις της Τεχνητής Νοημοσύνης» // Γιάννης Φαρσάρης & Γιώργος Χατζηβασιλείου

  • ✔ «Εισαγωγή στη Μηχανική Μάθηση και στην Αναλυτική Δεδομένων» // Χάρης Γεωργίου

    • Εισηγητής: Χάρης Γεωργίου, Ερευνητής Πληροφορικής (MSc, PhD) • Περιγραφή μαθήματος: Βασικές έννοιες Τεχνητής Νοημοσύνης, Μηχανικής Μάθησης και Αναλυτικής Δεδομένων / συλλογή, προεπεξεργασία και ανακατασκευή δεδομένων / σχεδίαση ροής (pipeline) / επιλογή χαρακτηριστικών (features) / εκπαίδευση μοντέλων με επίβλεψη (classification, regression) και χωρίς επίβλεψη (clustering, associations) / απεικόνιση δεδομένων (visual analytics). • Διάρκεια: 1:03:54 • Ημερομηνία…

  • ✔ «Εφαρμογές της Τεχνητής Νοημοσύνης στον πραγματικό κόσμο» // Χάρης Γεωργίου

    • Εισηγητής: Χάρης Γεωργίου, Ερευνητής Πληροφορικής (MSc, PhD) • Περιγραφή μαθήματος: Κατηγοριοποίηση προβλημάτων στον πραγματικό κόσμο / συνήθεις τρόποι επίλυσης / «δύσκολα» προβλήματα που απαιτούν προσεγγιστικές λύσεις / ο ρόλος της Μηχανικής Μάθησης και της Τεχνητής Νοημοσύνης στην επίλυσή τους / μελέτη περίπτωσης: Αυτόματη ιατρική διάγνωση στη μαστογραφία. • Διάρκεια: 2:00:20 • Ημερομηνία μαθήματος: 16/12/2023 •…

  • ✔ «Εισαγωγή στην Αναλυτική Δεδομένων με τη γλώσσα R» // Χάρης Γεωργίου

    • Εισηγητής: Χάρης Γεωργίου, Ερευνητής Πληροφορικής (MSc, PhD) • Περιγραφή μαθήματος: Στοιχεία Αναλυτικής Δεδομένων (Data Analytics), γενική περιγραφή της γλώσσας R, τυπική διαδικασία ανάλυσης (workflow), συνήθη προβλήματα & λύσεις, κατηγορίες αλγορίθμων (clustering, regression, clustering, κτλ), παραδείγματα με κώδικα R. • Διάρκεια: 1:58:38 • Ημερομηνία μαθήματος: 15/11/2023 • Υλικό παρουσίασης: https://github.com/xgeorgio/ApneaCoding/tree/main/lect-ProgrR

  • ✔ «Εισαγωγή στην Τεχνητή Νοημοσύνη με απλά λόγια» // Γιάννης Φαρσάρης

    • Εισηγητής: Γιάννης Φαρσάρης, Καθηγητής Πληροφορικής • Περιγραφή μαθήματος: Μια πρώτη γνωριμία με τον επερχόμενο κόσμο της τεχνητής νοημοσύνης, της μηχανικής μάθησης και της ρομποτικής: Ιστορική αναδρομή, επεξήγηση βασικών εννοιών με παραδείγματα και ζωντανή χρήση εφαρμογών τεχνητής νοημοσύνης. • Διάρκεια: 2:56:58 • Ημερομηνία μαθήματος: 19/11/2023