![Page 1: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/1.jpg)
TEORETYCZNE PODSTAWY
INFORMATYKI WFAiS UJ, Informatyka Stosowana
I rok studiów, I stopień
1
15/01/2018
Prof. dr hab. Elżbieta Richter-Wąs
![Page 2: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/2.jpg)
Wykład 13c
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
2
Data Science:
Uczenie
maszynowe
Uczenie maszynowe: co to znaczy?
Metody
Regresja
Klasyfikacja
Klastering i wybor podzbioru
System do rekomendacji
Wykład na podstawie materiałów:
E. Fox & C. Guestrin, Univeristy of Waschington,
„Machine Learning Specialization”
http://www.coursera.org./learn/ml-foundations
![Page 3: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/3.jpg)
Uczenie maszynowe
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
3
Metody uczenia maszynowego (machine learning) rewolucjonizują obecnie podejście do różnych problemów związanych z analizą danych.
Jeszcze kilka lat temu był to bardziej „akademicki” problem z zakresu numeryki i algorytmiki.
![Page 4: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/4.jpg)
Uczenie maszynowe
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
4
Obecnie, bardzo szybko staje się kluczową techniką
dla wielu wiodących firm komercyjnych
![Page 5: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/5.jpg)
Uczenie maszynowe: cel
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
5
Uzyskać odpowiedź dla różnej klasy pytań na
podstawie informacji zawartej w danych, bez
potrzeby budowy „modelu zjawiska”.
ML metod = np. klasyfikacja, regresja liniowa, sieci neuronowe
![Page 6: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/6.jpg)
Uczenie maszynowe: przykład
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
6
Przewidywanie ceny domu na podstawie zebranych
danych dotyczących ceny innych
![Page 7: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/7.jpg)
Uczenie maszynowe: przykład
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
7
Ranking restauracji
![Page 8: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/8.jpg)
Uczenie maszynowe: przykład
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
8
Znajdowanie podobnych dokumentów
![Page 9: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/9.jpg)
Uczenie maszynowe: przykład
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
9
Rekomendowanie podobnego produktu
![Page 10: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/10.jpg)
Uczenie maszynowe: przykład
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
10
Rekomendowanie podobnego produktu na podstawie jego charakterystycznych cech
![Page 11: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/11.jpg)
Uczenie maszynowe: przykład
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
11
Rekomendowanie podobnego produktu: na podstawie jego charakterystyki graficznej
![Page 12: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/12.jpg)
Regresja
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
12
Uczenie maszynowe:
Regresja
Przewidywanie odpowiedzi na
podstawie informacji wejściowej
![Page 13: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/13.jpg)
Cena akcji na giełdzie
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
13
![Page 14: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/14.jpg)
Tweet popularność
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
14
![Page 15: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/15.jpg)
Przykład: przewidywana cena domu
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
15
![Page 16: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/16.jpg)
Data, model
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
16
![Page 17: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/17.jpg)
Data, model
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
17
Jaki model dla f(x)?
![Page 18: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/18.jpg)
Przewidywanie
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
18
A potem chcielibyśmy przewidzieć odpowiedź
![Page 19: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/19.jpg)
Pętla iteracyjna?
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
19
![Page 20: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/20.jpg)
Simple linear regression model
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
20
Co to znaczy „simple”?
1 input x, fitujemy zależność liniową do danych
![Page 21: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/21.jpg)
Simple linear regression model
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
21
Co to znaczy „simple”?
1 input x, fitujemy zależność liniową do danych
![Page 22: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/22.jpg)
Simple linear regression model
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
22
Co to znaczy „simple”?
1 input x, fitujemy zależność liniową do danych
![Page 23: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/23.jpg)
Pętla iteracyjna
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
23
![Page 24: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/24.jpg)
Funkcja „kosztu”
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
24
![Page 25: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/25.jpg)
Minimalizacja funkcji „kosztu”
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
25
![Page 26: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/26.jpg)
Pętla iteracyjna
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
26
![Page 27: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/27.jpg)
Minimalizacja funkcji „kosztu”
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
27
![Page 28: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/28.jpg)
Asymetryczny błąd kosztu
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
28
![Page 29: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/29.jpg)
Polynomial regression
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
29
![Page 30: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/30.jpg)
Multiple regression
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
30
![Page 31: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/31.jpg)
Regresja: przewidywanie na
podstawie danych
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
31
![Page 32: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/32.jpg)
Klasyfikacja
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
32
Uczenie maszynowe:
Klasyfikacja
Inteligentny system rankingu restauracji
![Page 33: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/33.jpg)
Klasyfikacja
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
33
Uczenie maszynowe:
Klasyfikacja
Inteligentny system rankingu restauracji
![Page 34: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/34.jpg)
Prosta klasyfikacja
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
34
![Page 35: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/35.jpg)
Dane trenujące
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
35
Używamy danych trenujących aby przypisać prawdopodobieństwo (wagę) dla każdego słowa
Waga całego zdania (score) to będzie prosta sumą tych wag
![Page 36: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/36.jpg)
Uczenie klasyfikatora
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
36
![Page 37: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/37.jpg)
Jak wygląda nasz model
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
37
![Page 38: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/38.jpg)
Zmiana współczynników
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
38
![Page 39: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/39.jpg)
Jak wygląda nasz model?
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
39
![Page 40: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/40.jpg)
Czy jesteś pewny swojej klasyfikacji
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
40
![Page 41: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/41.jpg)
Interpretacja
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
41
![Page 42: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/42.jpg)
Interpretacja
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
42
Link funkcja
![Page 43: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/43.jpg)
Logistic regression model
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
43
Sigmoid funkcja
![Page 44: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/44.jpg)
Logistic regression model
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
44
Effekt współczynników na kształt funkcji
sigmoidalnej
![Page 45: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/45.jpg)
Jak pewny jesteś swojej klasyfikacji
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
45
![Page 46: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/46.jpg)
Zmienne opisowe
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
46
Nadajemy numeryczne wartości
![Page 47: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/47.jpg)
Klasyfikacja: ranking restauracji
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
47
![Page 48: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/48.jpg)
Klastrowanie i wybór podobnych
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
48
Uczenie maszynowe:
Klasyfikacja i
wyszukiwanie
podobnych obiektów
Poszukiwanie podobnych obiektów
![Page 49: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/49.jpg)
Wyszukaj podobny tekst
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
49
Musimy zdefiniować co to znaczy „podobny”
![Page 50: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/50.jpg)
Wyszukaj podobny tekst
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
50
Musimy zdefiniować co to znaczy „podobny”
![Page 51: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/51.jpg)
Technika może być stosowana do wielu
zagadnień
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
51
![Page 52: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/52.jpg)
„Odkryj” grupę podobnych obiektów
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
52
![Page 53: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/53.jpg)
Pogrupuj wg. tematów dokumenty
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
53
![Page 54: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/54.jpg)
Pogrupuj obrazki
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
54
![Page 55: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/55.jpg)
Przykład: dokument na podobny temat
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
55
Jak mierzymy podobieństwo ?
Jak szukamy podobieństw ?
![Page 56: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/56.jpg)
Najbliższy sąsiad
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
56
![Page 57: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/57.jpg)
Reprezentacja dokumentu
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
57
Dokument = zbiór słów
Nieistotna kolejność występowania
Zliczaj ilość wystąpień i zaznaczaj
![Page 58: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/58.jpg)
Reprezentacja dokumentów : TF-IDF
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
58
Słowa mogą być rzadko występujące, te rzadko
występujące są bardziej charakterystyczne.
![Page 59: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/59.jpg)
Ważymy cechy charakterystyczne
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
59
Niektóre cechy są bardziej ważne niż inne
Niektóre różnice (absolutna wartość) są bardziej istotne niż inne. Liczy się rozmycie całego zbioru dla danej cechy.
![Page 60: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/60.jpg)
Skalowana Euclidesowa miara
odległości
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
60
![Page 61: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/61.jpg)
Naturalna miara odległości
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
61
![Page 62: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/62.jpg)
Cosine miara odległości
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
62
![Page 63: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/63.jpg)
Klastering: poszukiwanie dokumentu
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
63
![Page 64: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/64.jpg)
System rekomendujący
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
64
Uczenie maszynowe:
system
rekomendujący
Personalizacja
![Page 65: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/65.jpg)
Rekomendacja: filmy
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
65
![Page 66: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/66.jpg)
Rekomendacja: producty
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
66
![Page 67: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/67.jpg)
System rekomendujacy: popularność
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
67
Popularność?
Ranking wg. liczba oglądań
Nie ma personalizacji
![Page 68: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/68.jpg)
System rekomendujacy: klasyfikacja
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
68
Klasyfikacja?
Jakie prawdopodobieństwo że kupie ten product.
Personalizacja: patrzy na historie zakupów, koreluje
z pora roku, pora dnia, etc.
![Page 69: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/69.jpg)
System rekomendujacy: korelacje
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
69
Patrzy na korelacje. Osoby które kupiły A kupiły
również B
Utwórzmy macierz korelacji
![Page 70: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/70.jpg)
System rekomendujacy: korelacje
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
70
Patrzy na korelacje. Osoby które kupiły A kupiły również B
Macierz korelacji może należy znormalizować?
A może wprowadzić jakąś miarę „co znaczy podobne”?
Ograniczenie:
Nie patrzy na historię w czasie
Co zrobić z nowym użytkownikiem systemu?
![Page 71: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/71.jpg)
System rekomendujący: filmy
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
71
![Page 72: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/72.jpg)
System rekomendujący: filmy
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
72
![Page 73: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/73.jpg)
System rekomendujący: filmy
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
73
![Page 74: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/74.jpg)
System rekomendujący: sprawność
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
74
![Page 75: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/75.jpg)
System rekomendujący: sprawność
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
75
![Page 76: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/76.jpg)
System rekomendujący: sprawność
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
76
![Page 77: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/77.jpg)
System rekomendujący: sprawność
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
77
![Page 78: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/78.jpg)
System rekomendujący: sprawność
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
78
![Page 79: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/79.jpg)
System rekomendujący: sprawność
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
79
![Page 80: TEORETYCZNE PODSTAWY INFORMATYKI - th-erichter/dydaktyka/Dydaktyka2017/TPI-2017/TPI... · Wykład 13c Prof. dr hab. Elżbieta Richter-Wąs 15/01/2018 2 Data Science: Uczenie maszynowe](https://reader031.vdocuments.net/reader031/viewer/2022021723/5c77877b09d3f29a548c6559/html5/thumbnails/80.jpg)
Macierz podobieństw: rekomendacja
produktu
15/01/2018 Prof. dr hab. Elżbieta Richter-Wąs
80