Nowy cykl seminariów HPC
W piątek 21.10 o godz. 10:30 dr Jakub Zieliński z ICM UW poprowadzi seminarium poświęcone nadzorowanemu uczeniu maszynowemu. Cykliczne spotkania w ramach projektu „Narodowe Centrum Kompetencji HPC” mają dotyczyć zastosowań sztucznej inteligencji oraz pracy z dużymi zbiorami danych.
Nowy cykl seminariów o tematyce związanej ze sztuczną inteligencją i Big Data powstał z inicjatywy pracowników Interdyscyplinarnego Centrum Modelowania Matematycznego i Komputerowego Uniwersytetu Warszawskiego oraz Centrum Informatycznego Świerk w Narodowym Centrum Badań Jądrowych. Spotkania mają prowadzić badacze z różnych ośrodków w kraju tworzących Narodowe Centrum Kompetencji HPC (cc.eurohpc.pl/), a także naukowcy korzystający z superkomputerów w ramach grantów obliczeniowych.
Pierwsze spotkanie z dr Zielińskim pt. „Uczenie maszynowe w analizie danych biomedycznych (EKG i obrazów mikroskopowych)” odbyło się 14 października. W najbliższy piątek usłyszymy o modelach jednowymiarowych w uczeniu nadzorowanym. Serdecznie zapraszamy!
21 października 2022, godz. 10:30
Dr Jakub Zieliński ICM UW: Nadzorowane uczenie maszynowe
Link do seminarium: https://www.gotomeet.me/NCBJmeetings/eurocc
W wystąpieniu omówione zostaną trzy aspekty nadzorowanego uczenia maszynowego:
1. Modele jednowymiarowe w uczeniu nadzorowanym.
Pokazane zostaną uogólnienia klasycznej regresji z inną funkcją kary. Schematy te są znacznie bardziej odporne zakłócenia spowodowane obecnością wartości odstających
Przykłady zastosowań: Predykcja zużycia energii lub wody w funkcji czasu; zmiany tętna w obecności napadowej arytmii.
2. Regresja wielu zmiennych.
Omówione zostaną sytuacje gdy liczba predyktorów, a więc i parametrów dopasowania jest duża w porównaniu z liczbą obserwacji. Omówione zostaną dwa modele: LASSO i Elastic-Net.
Przykłady zastosowań: Ocena stopnia wygojenia tkanek na podstawie badań obrazowych. Poszukiwanie mutacji genów odpowiedzialnych za transformacje nowotworową (na przykładzie nerwiaka zarodkowego).
3. Omówione zostaną proste klasyfikatory: regresja logistyczna, KNN, SVM, perceptron.
Pokazany zostanie związek liniowego klasyfikatora SVM i perceptronu czyli pojedynczego neuronu w sztucznych sieciach neuronowych.
Przykłady zastosowań: predykcja stopnia stanu pacjenta w cukrzycy i autoimmunologicznym zapaleniu tarczycy. Wokalizacja szczurów raz jeszcze.
