Nauka na UMCS

Na spotkaniu zostaną przedstawione i zobrazowane odpowiednimi przykładami różne rodzaje średnich jako przykłady miar statystycznych tendencji centralnej. Ponadto omówione zostanie: algorytm uczenia oraz metoda k-średnich i przykłady jej zastosowania w analizie skupień (segmentacji, klastrowaniu ).    

Poruszone zostaną następujące zagadnienia: 

• średnia arytmetyczna, średnia geometryczna, średnia harmoniczna, średnia kwadratowa i średnie ważone;  
  
• nierówności między średnimi; 
  
• średnia potęgowa rzędu k (średnia uogólniona) i nierówność między średnimi potęgowymi; 
  
• średnia ucinana (średnia obcięta, średnia trymowana, ang. trimmedmean ), średnia   winsorowska;
• mediana, dominanta (moda) i środek rozstępu; 
  
• uczenie maszynowe (ang. machine learning) a sztuczna inteligencja (AI, ang. artificial   intelligence); 
• modele uczenia maszynowego (uczenie nadzorowane, uczenie nienadzorowane, uczenie  częściowo nadzorowane, uczenie ze wzmocnieniem); 
• problemy regresyjne, problemy klasyfikacyjne, szeregi czasowe, segmentacja (klastrowanie,analiza skupień);  
  
• algorytm metody k-średnich (ang. k-meansclustering) i jego przykładowe zastosowania.