(i) Ορισμοί, Intrinsic & Model-Agnostic XAI Methods
(ii) PI (Permutation Feature Importance)
(iii) SHAP (Shapley Additive exPlanations)
(iv) LIME (Local Interpretable Model Agnostic Explanation)
Archives
Στοχαστικές Διεργασίες & Βελτιστοποίηση στη Μηχανική Μάθηση: Αναδρομικά Νευρωνικά Δίκτυα – Recurrent Neural Networks (RNN)
(i) Μοντέλα Συσχετισμένης Μνήμης, Δίκτυα Hopfield
(ii) Ακολουθιακά Μοντέλα Δεδομένων & RNN
(iii) Δίκτυα Long Short-Term Memory (LSTM)
Στοχαστικές Διεργασίες & Βελτιστοποίηση στη Μηχανική Μάθηση: Δένδρα Αποφάσεων (Decision Trees)
(i) Αλγόριθμοι Διαμόρφωσης CART (Classification And Regression Trees), Gini Index
(ii) Random Forests
(iii) Αλγόριθμοι Bagging (Bootstrap & aggregating)
Στοχαστικές Διεργασίες & Βελτιστοποίηση στη Μηχανική Μάθηση: Μη-παραμετρικοί Ταξινομητές, Στατιστική Αξιολόγηση Δυαδικής Ταξινόμησης, Παραμετρική Πιθανοτική Ταξινόμηση
(i) Μη-παραμετρικοί Ταξινομητές: Κ Πλησιέστερα Γειτονικά Στοιχεία (K-Nearest Neighbors – KNN)
(ii) Στατιστική Αξιολόγηση Δυαδικής Ταξινόμησης: Μετρικές Αξιολόγησης Μεθόδων, Μήτρα Σύγχυσης, ROC, AUC
(iii) Παραμετρική Πιθανοτική Ταξινόμηση: Εκτίμηση MLE & MAP, Ταξινομητής Bayes, Αλγόριθμος Naive Bayes
Στοχαστικές Διεργασίες & Βελτιστοποίηση στη Μηχανική Μάθηση: Δυαδική Ταξινόμηση – Αλγόριθμοι Πυρήνα (Kernel Methods)
(i) Διαχωρισιμότητα Προτύπων, Θεώρημα του Cover
(ii) Radial-Basis Function (RBF) Networks
(iii) RBF Hybrid Learning
(iv) Support Vector Machines (SVM)
Στοχαστικές Διεργασίες & Βελτιστοποίηση στη Μηχανική Μάθηση: Ενισχυτική Μάθηση με Προσεγγιστικές Μεθόδους
(i) Μάθηση Χρονικών Διαφορών, TD (Temporal Difference) Learning
(ii) Στοχαστικός Αλγόριθμος Q-Learning
(iii) Κατανεμημένη Υλοποίηση Ενισχυτικής Μάθησης
(iv) Αλγόριθμος Bellman-Ford, Δρομολόγηση BGP στο Internet
Στοχαστικές Διεργασίες & Βελτιστοποίηση στη Μηχανική Μάθηση: Ενισχυτική Μάθηση – Δυναμικός Προγραμματισμός
(i) Markov Decision Processes
(ii) Bellman’s Optimality Criterion
(iii) Αλγόριθμος Policy Iteration
(iv) Αλγόριθμος Value Iteration
Στοχαστικές Διεργασίες & Βελτιστοποίηση στη Μηχανική Μάθηση: Παραγωγικά Μοντέλα μη Επιβλεπόμενης Μάθησης
(i) Μηχανή Boltzmann
(ii) Παραγωγικά (Generative) Στοχαστικά Νευρωνικά Δίκτυα
(iii) Generative Adversarial Networks (GAN)
(iv) Restricted Boltzmann Machine (RBM), Deep Belief Networks
Στοχαστικές Διεργασίες & Βελτιστοποίηση στη Μηχανική Μάθηση: Προσομοίωση Monte Carlo Αλυσίδων Markov
(i) Αλγόριθμοι Metropolis & Metropolis-Hastings
(ii) Markov Random Fields, Ising Model
(iii) Προσομοιωμένη Ανόπτηση – Simulated Annealing
(iv) Gibbs Sampling