Η μηχανική μάθηση αφορά την μελέτη υπολογιστικών μεθόδων που μαθαίνουν να επιλύουν σύνθετα προβλήματα μέσω της μάθησης από δεδομένα. Στόχος αυτού του μεταπτυχιακού μαθήματος είναι να γνωρίσουν οι φοιτητές βασικές μεθόδους μηχανικής μάθησης και συγκεκριμένα τεχνικές μάθησης με επίβλεψη και χωρίς επίβλεψη.
Iδιαίτερη έμφαση θα δοθεί σε τεχνικές που βασίζονται σε πιθανοτικά μοντέλα και στατιστικές μεθόδους, σε Bayesian στατιστική, μεθόδους πυρήνων και πιθανοτικά γραφικά μοντέλα. Οι επιμέρους τεχνικές που θα μελετηθούν διεξοδικά είναι: παλινδρόμηση χρησιμοποιώντας γραμμικά μοντέλα και Gaussian διαδικασίες, κατηγοριοποίηση χρησιμοποιώντας περιγραφικές και διαχωριστικές μεθόδους όπως κατηγοριοποίηση κατά Bayes και μηχανές διανυσμάτων υποστήριξης, εκτίμηση πυκνότητας πιθανότητας χρησιμοποιώντας μίξεις κατανομών και τον αλγόριθμο προσδοκίας-μεγιστοποίησης, μοντέλα κρυμμένων μεταβλητών για μείωση διάστασης, κρυμμένα μοντέλα Markov και τεχνικές δειγματοληψίας Monte Carlo.
