Table of Contents (click to open)
Established in 2018, our team aims to bring together machine learning enthusiasts to explore the fundamentals and trends of machine learning. Check out the team presentation below!
- Get to know each other
- Discussion on how the team will work this year
👨🏫 Παρουσίαση: ML Intro in 60 minutes -> https://github.com/acmauth/MachineLearning/tree/master/presentations
⚛️ Βασικά στοιχεία: Τι είναι μηχανική μάθηση και που χρησιμοποιείται, είδη μηχανικής μάθησης, είδη επιβλεπόμενης μάθησης, βασικοί όροι, διαδικασία μάθησης
🛠️ Εργαλεία: Anaconda -> https://www.anaconda.com/products/individual , WSL -> https://docs.microsoft.com/en-us/windows/wsl/about , Jupyter Notebook -> https://jupyter.org/
🗒️ Περισσότερες Πηγές: https://github.com/acmauth/mlintro/blob/master/README.md#other-resources
🐧 🐐 Συζήτηση: Λειτουργία ομάδας, θέμα επόμενης εβδομάδας, απορίες & σχολιασμός λειτουργίας
🔮 Επόμενη συνάντηση 🔮
🦎 Beginners 🦎
- Εγκατάσταση Anaconda και set up development environment
- Run Intro.ipynb -> https://github.com/acmauth/mlintro/blob/master/Machine_Learning_Intro.ipynb
🦎 Beginners 🦎 & 🐉 Advanced 🐉
- Αναζήτηση για Γραμμικά Μοντέλα (Linear Models)
- Notebooks, άρθρα, videos, applications κ.α.
📹 Παρακολούθηση: https://www.coursera.org/learn/machine-learning/home/week/1 (Sections: Model and Cost Function, Parameter Learning)
🗒️ Notebook: Medical Insurance Cost (Linear Models) (by @Din0s)
🔮 Επόμενη συνάντηση 🔮
🦎 Beginners 🦎
- Μαζεύουμε απορίες σχετικά με τα Γραμμικά Μοντέλα, βιβλιοθήκες και εργαλεία
- Run Intro.ipynb -> https://github.com/acmauth/mlintro/blob/master/Machine_Learning_Intro.ipynb
- Run Notebook by Dinos above
🦎Beginners🦎 & 🐉Advanced🐉
- Αναζήτηση για Γραμμικά Μοντέλα - τύποι (SGDClassifier, Multinomial, Regularization etc.)
- Αναζήτηση για Αξιολόγηση και Μετρικές Αξιολόγησης (evaluation, metrics)
🤩 EXTRAS 🤩
- Simplest Linear Regression Problem: https://scikit-learn.org/stable/auto_examples/linear_model/plot_ols.html
- Our GitHub needs update, anyone who wants to help? Please let me know --YEAH WE UPDATED IT!
♾️ Παρουσίαση: Handwriting recognition with k-nn by Thanos Kitsakis
🗒️ Notebook: Fake news detection with PassiveAggressive Classifier by @GregB712
🦊 Συζήτηση: TF-IDF, Online Learning, Passive Aggressive Classifier, k-nn classifier
🔮 Επόμενη συνάντηση 🔮
🦎 Beginners 🦎
- Μαζεύουμε απορίες σχετικά με τα Γραμμικά Μοντέλα, βιβλιοθήκες και εργαλεία
- Δημιουργούμε το δικό μας notebook και το παρουσιάζουμε
🐉 Advanced 🐉
- Αναζήτηση για Γραμμικά Μοντέλα - τύποι (SGDClassifier, Multinomial, Regularization etc.)
- Αναζήτηση για Αξιολόγηση και Μετρικές Αξιολόγησης (evaluation, metrics)
- Οτιδήποτε άλλο σχετικό με γραμμικά μοντέλα
🤩 EXTRAS 🤩
- We've updated our GitHub
🗒️ Notebook: Evaluation Process & Measure
🔧 Scikit-learn: Metrics and scoring: quantifying the quality of predictions
📖 Article: Intuitions on L1 and L2 Regularisation
🏆 Competition - Who can achieve the best results using just linear models? Try to train the best linear model for identifying images with digits from 0-9. See more at Colab Notebook More info on the MNIST DATASET
🔮 Επόμενη συνάντηση 🔮
🦎 Beginners 🦎
- Μαζεύουμε απορίες σχετικά με τα Γραμμικά Μοντέλα, βιβλιοθήκες και εργαλεία
- Δημιουργούμε το δικό μας notebook και το παρουσιάζουμε
🐉 Advanced 🐉
- Αναζήτηση για Data Preprocessing
- Αναζήτηση για Δέντρα Απόφασης (Classification & Regression Trees) 🎄
🗒️ Notebook: I hacked you - A simple notebook with preprocessing using a croudsourcing dataset predicting whether a student will continue to attend the ML team meetings
🏆 MNIST Competition: Winning Notebook by @Din0s
🏆 Competition (Continues) - Who can achieve the best results using just linear models? Try to train the best linear model for identifying images with digits from 0-9. See more at Colab Notebook More info on the MNIST DATASET
🔮 Επόμενη συνάντηση 🔮
🦎 Beginners 🦎
- Μαζεύουμε απορίες σχετικά με αυτά που παρουσιάστηκαν την προηγούμενη συνάντηση
- Δημιουργούμε το δικό μας notebook και το παρουσιάζουμε
🐉 Advanced 🐉
- Αναζήτηση για Data Preprocessing
- Αναζήτηση για Δέντρα Απόφασης (Classification & Regression Trees) 🎄
♾️ Simple Introduction to Decision Trees
🗒️ Decision Trees Notebook - Original Source
🦊 Συζήτηση: CART
🔮 Επόμενη συνάντηση 🔮
🦎 Beginners 🦎 & 🐉 Advanced 🐉
- Μαζεύουμε απορίες σχετικά με αυτά που παρουσιάστηκαν την προηγούμενη συνάντηση
- Δημιουργούμε το δικό μας notebook και το παρουσιάζουμε
- Αναζήτηση για ensembles models
- Αναζήτηση για αναπαραστάσεις κειμένου, video, ήχου κ.α. και αντίστοιχα tasks.
👨🏫 Παρουσίαση: PCA Whitening by @Din0s
🖌️ Εισαγωγή στα Ensembles, μέθοδοι Voting
🔮 Επόμενη συνάντηση 🔮
- Μαζεύουμε απορίες σχετικά με αυτά που παρουσιάστηκαν την προηγούμενη συνάντηση
- Αναζήτηση για ensembles models
- Αναζήτηση για αναπαραστάσεις κειμένου, video, ήχου κ.α. και αντίστοιχα tasks.
👨🏫 Ensembles: Stacking, Bagging, Boosting
🗒️ Σημειώσεις Μαθήματος Μηχανική Μάθηση
🤩 Extra: Sound Classification using Deep Learning & Notebook
🔮 Επόμενη συνάντηση 🔮
- Παραδείγματα σε Ensembles
- Histogram Based Gradient Boosting
- Support Vector Machine (SVMs)