HY514 Περιβάλλοντα Επίλυσης Προβλημάτων (ΠΕΠ) για την Υπολογιστική Επιστήμη (2015)

Μέρος 1.       Εισαγωγή στο text editor Latex

1. Σύντομη power point παρουσίαση των βασικών εντολών του latex 
2. Να αντιγράψετε το  5ο  κεφαλαίο από το ΕΓΧΕΙΡΙΔΙΟ ΑΡΙΘΜΗΤΙΚΩΝ ΜΕΘΟΔΩΝ ΓΙΑ ΕΠΙΣΤΗΜΟΝΙΚΕΣ ΕΦΑΡΜΟΓΕΣ ΜΕ ΤΗΝ ΧΡΗΣΗ  MATLAB ΚΑΙ PYTHON σε latex. Το latex αρχείο θα το καταθέσετε μαζί με τις παρουσιάσεις με την λήξη της προθεσμίας της εργασίας. Μπορείτε να να χρησιμοποιείσετε τιο κείμενο αυτό για να δείξετε τα βασικά στοιχεία του latex.
3. Πηγές (δέστε αρχείο Εργασία 1.1)

Μέρος 2.       Εισαγωγή στη Markdown γλώσσα

1. Σύντομη power point presentation
2. Πηγές (δέστε αρχείο Εργασία 1.2)                      

Τα αρχεία και άλλες πληροφορίες που χρειάζεστε για την εργασία θα τα βρείτε στο document section του eclass

Machine Learning - Part 1

Implement the solutions of the least squares problem proposed in this document in Matlab and ipython  notebooks.

1)      Produce graphical representation of the results

2)       Implement the Least-Mean-Squares (LMS) gradient descent method described in this document for the least squares. Notice that this is similar to the gradient method implemented in the Project 5.

3)      Compare the above solutions with library module from optimize lib.

4)      The comments in the notebook will explain each step of the code and should include the motivation and the theory for the least squares problem. Besides the related material from Houstis ebook you should consider the material from the slides I have load in the eclass.

The theoretical basis of the least squares problem and its solution should be part of the presentation and  the degree of understanding you will demonstrate will count significantly in the grade for this  project.

 5) Implement the kmean algorithm presented in the eclass document and the data test for the iris flower  http://en.wikipedia.org/wiki/Iris_flower_data_set

Study

6)      Chapters 5, 8 in Houstis ebook

7)      http://www.scipy.org/NumPy_for_Matlab_Users#head-381c9088b53dc22db3db569b05a362c7b02eb74b

8)      http://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.leastsq.html#scipy.optimize.leastsq

9)      http://structure.usc.edu/numarray/node69.html (You need it to learn how to install the linear algebra package and to find routines for least squares and pseudo inverse of a matrix)

10)  Study the DataScience notebooks http://nborwankar.github.io/LearnDataScience/

The details of the project can be found in the eclass documents section

The description of Project 3 can be found in eclass documents section.

A review of MatLab can be found in the following resources

a)   Open MIT course http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-094-introduction-to-matlab-january-iap-2010/lecture-notes/

b)   In Houstis’  ebook  (can be found in documents section)

c)   and Vlachos presentation  "time series with MatLab" (can be found in documents section)

Read pdf file assignmnet3 in document section of eclass