Systemy uczące się to algorytmiczne metody uczenia się na podstawie danych.

Niesłychany wzrost mocy obliczeniowej komputerów oraz pojemności ich pamięci stworzył możliwości zarówno gromadzenia olbrzymich ilości informacji, jak i ich przetwarzania.

Systemy uczące się są dziś podstawą tzw. eksploracji danych, inaczej inteligentnej analizy danych, czyli - by użyć powszechnie stosowanego terminu anglojęzycznego - analiz o nazwie data mining.

Rozdziały:

1. Liniowe metody klasyfikacji

1.1. Klasyfikacja pod nadzorem - wprowadzenie
1.2. Fisherowska dyskryminacja liniowa
1.3. Dyskryminacja oparta na regresji linowej i logistycznej
1.4. Perceptron Rosenblatta

2. Metody klasyfikacji oparte na rozkładach prawdopodobieństwa

2.1. Klasyfikator bayesowski i metoda największej wiarogodności
2.2. Optymalność reguły bayesowskiej
2.3. Praktyczna konstrukcja klasyfikatorów

3. Metody klasyfikacji oparte na nieparametrycznej estymacji

3.1. Wprowadzenie
3.2. Nieparametryczna estymacja rozkładów w klasach
3.3. Metoda najbliższych sąsiadów

4. Drzewa klasyfikacyjne i rodziny klasyfikatorów

4.1. Wprowadzenie
4.2. Reguły podziału
4.3. Reguły przycinania drzew
4.4. Drzewa klasyfikacyjne - uwagi
4.5. Rodziny klasyfikatorów - algorytmy bagging i boosting
4.6. Rodziny klasyfikatorów - lasy losowe

5. Analiza regresji

5.1. Globalne modele parametryczne
5.2. Regresja nieparametryczna
5.3. Efekty losowe i liniowe modele mieszane
5.4. Uwagi końcowe

6. Uogólnienia metod liniowych

6.1. Dyskryminacja elastyczna
6.2. Maszyny wektoró podpierających

7. Systemy uczące się pod nadzorem - podsumowanie, uwagi dodatkowe

7.1. Podsumowanie
7.2. Uwagi dodatkowe

8. Metody rzutowania, wykrywania zmiennych ukrytych

8.1. Systemy uczące się bez nadzoru - wprowadzenie
8.2. Analiza skłądowych głównych
8.3. Estymacja gęstości wzdłuż interesujących rzutów
8.4. Analiza czynnikowa i analiza skłądowych niezależnych
8.5. Podobieństwo, odmienność i odległość między obiektami
8.6. Skalowanie wielowymiarowe
8.7. Metody jąrowe w systemach uczących się

9. Analiza skupień

9.1. Metody kombinatoryczne
9.2. Metody hierarchiczne - dendrogramy
9.3. Inne metody klasyczne
9.4. Trzy nieklasyczne podejścia do analizy skupień