- Metode Bayesove statistike: Gaussovi procesi, Dirichletovi procesi, metode MCMC, strukturne aproksimacije.
- Globoko učenje: Boltzmannovi stroji, avtomatski kodirniki, konvolucijske nevronske mreže.
- Teorija učenja: učenje PAC, dimenzija VC.
- Druge izbrane teme: učenje z več jedri, učenje več nalog, vzpodbujevalno učenje.
- nosilec: Aleksander Sadikov
Napovedovanje: linearna regresija, logistična regresija, LDA/QDA, metoda najbližjih sosedov, ocene prileganja modela.
Izbira spremenljivk in modelov: prečno preverjanje, metoda bootstrap, metode filter in wrapper.
Napredni napovedovanje: bazne funkcije, zlepki, regularizacija, odločitvena drevesa, posplošeni aditivni modeli, lokalna regresija.
Združevanje modelov: bagging, boosting, naključni gozdovi, učenje z ansamblom modelov.
Metoda podpornih vektorjev: za regresijo, za klasifikacijo , optimizacija, dualnost, RKHS.
Nevronske mreže: učenje nevronskih mrež, preveliko prileganje in drugi računski problemi.
- nosilec: Jure Žabkar