Projekty najlepiej przeglądać po pobraniu, gdyż na githubie nie wyświetlają się niektóre interaktywne (w seaborn).
-
Problem plecakowy, porównanie heurystyki i brute-force pod względem optymalności i czasu działania.
-
Metoda gradientu prostego (gradient descent), głównie zwrócenie uwagi na blokowanie w minimach lokalnych.
-
Algorytm genetyczny dla funkcji z zadania z gradientem prostym i kilku bardziej złożonych.
-
Algorytm alfa-beta dla gry Connect Four.
-
Drzewa decyzyjne ID3 dla problemu Iris i Wine (z scikit-learn). Co ciekawe uzyskują około 86% dokładności dla problemu MNIST.
-
Badanie różnych rodzajów perceptronu wielowarstwowego dla zbioru MNIST. Własna implementacja w numpy. Dodatkowo zobrazowany problem zanikania gradientu.
-
Algorytm q-learning (bez sieci neuronowej) dla prostych zadań z gym.
-
Porównanie dwóch naiwnych klasyfikatorów bayesowskich - dyskretnego i gaussowskiego.