Τεχνητή Μάθηση και Τεχνητή Νοημοσύνη

1. Εισαγωγή στις έννοιες της Μηχανικής Μάθησης και της Τεχνητής Νοημοσύνης.

2. Προβλήματα ταξινόμησης, παλινδρόμησης, ομαδοποίησης.

3. Μάθηση με επίβλεψη.

4. Μάθηση χωρίς επίβλεψη.

5. Ενισχυτική μάθηση.

6. Δένδρα απόφασης.

7. Ασαφής λογική.

8. Μηχανές διανυσμάτων στήριξης.

9. Μάθηση με βάση τον κανόνα του Bayes.

10. Τεχνητά νευρωνικά δίκτυα και δίκτυα βαθιάς μάθησης.

11. Δημιουργία συνόλων εκπαίδευσης-αξιολόγησης.

12. Αξιολόγηση μοντέλων Μηχανικής Μάθησης.

Εργαστήρια

1.Εισαγωγή στη Μηχανική Μάθηση για τη Γεωργία

2.Προβλέψεις Παραγωγής με Μοντέλα Μηχανικής Μάθησης

3.Ανάλυση Δεδομένων Καλλιεργειών με Τεχνητή Νοημοσύνη

4.Δημιουργία Εφαρμογών AI για Αγροτική Απόδοση

5.Βελτιστοποίηση Αγροτικών Διεργασιών με Αλγορίθμους AI