**Opis przedmiotu:**
Na seminarium będą omawiane zagadnienia związane z użyciem uczenia
maszynowego. W szczególności skoncentrujemy się na możliwościach rozluźnienia
założenia, że dane, na których dobieramy i uczymy nasz model, pochodzą z tego
samego rozkładu prawdopodobieństwa, co dane, na których chcemy w przyszłości
wykorzystywać nasz model.
Zagadnienie to ma istotne konsekwencje praktyczne. Na przykład Internet
obfituje w dane, które są bardzo nieprecyzyjnie opisane. Czy możliwe jest np.
ulepszenie rozpoznawania mowy przez wykorzystanie nagrań z YouTube? Czy można
lepiej rozpoznawać, co jest na zdjęciach, przez wykorzystanie wielu zdjęć na
blogach i ich (być może błędnych) opisów?
**Program:**
Punktem wyjścia będzie omówienie pracy Pan, S.J., Yang, Q., A Survey on
Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 2010,
22, 1345–1359. Szczegółowy program zostanie ustalony w ciągu dwóch pierwszych
zajęć na podstawie zainteresowań uczestników.
**Wymagania:**
Zaliczenie z jednego z przedmiotów: Sieci neuronowe, Eksploracja danych lub
Rachunek prawdopodobieństwa i statystyka
Fri 12:15-2pm, you must book a slot at https://calendar.google.com/calendar/selfsched?sstoken=UUtYVm5mOVkxUVRNfGRlZmF1bHR8ZmJjZmRiMzU4ODA0NDAyYTYzOTZiZjNjY2Y2ZDQwODk