Wybrane zagadnienia kombinatoryki
Informacje ogólne
| Kod przedmiotu: | 1000-2M22WZK |
| Kod Erasmus / ISCED: |
11.3
|
| Nazwa przedmiotu: | Wybrane zagadnienia kombinatoryki |
| Jednostka: | Wydział Matematyki, Informatyki i Mechaniki |
| Grupy: |
Przedmioty obieralne dla informatyki i ML Przedmioty obieralne na studiach drugiego stopnia na kierunku bioinformatyka |
| Punkty ECTS i inne: |
(brak)
|
| Język prowadzenia: | angielski |
| Kierunek podstawowy MISMaP: | informatyka |
| Rodzaj przedmiotu: | monograficzne |
| Skrócony opis: |
Będziemy omawiać różne zagadnienia kombinatoryczne. W szczególności, omówimy podstawowe wyniki teorii uczenia maszynowego oraz teorii Vapnika-Chervonenkisa, a także wyniki dotyczące rodzin zbiorów (set systems). Wyniki te są fundamentalne zarówno w teorii uczenia maszynowego, jak i w kombinatoryce geometrycznej i geometrii obliczeniowej, a także mają związek z innymi dziedzinami matematyki i informatyki, m.in. logiką i teorią grafów. Będziemy również omawiać inne ważne wyniki w kombinatoryce (w szczególności, lemat Szemerediego o regularności) i twierdzenie Erdosa-Hajnala. |
| Pełny opis: |
Tematy: kombinatoryka rodzin zbiorów, wymiar Vapnika-Chervonenkisa, lemat Sauer-Perles-Shelah (2 wykłady), twierdzenie Vapnika-Chervonenkisa, zasadnicze twierdzenie uczenia maszynowego, twierdzenie o ε-sieciach dla wymiaru Vapnika-Chervonenkisa (2 wykłady) twierdzenie Hausslera (1 wykład) sample compression schemes (1 wykład) własność Helly’ego, (p,q)-twierdzenie (1 wykład) twierdzenie Szemerédi-Trotter (1 wykład) twierdzenie Szemerediego o regularności, triangle removal lemma, Roth's Theorem (2 wykłady) twierdzenie Lovasz-Szegedy dla VC (1 wykład) twierdzenie Erdosa-Hajnala oraz silna własność Erdosa-Hajnala (1 wykład) |
| Literatura: |
Lectures in Discrete Geometry, Jiri Matousek Geometric Discrepancy, Jiri Matousek Combinatorial Geometry Janos Pach i Pankaj Agarwal, Topics in Combinatorics, Artem Chernikov Understanding Machine Learning: From Theory to Algorithms, Shai Shalev-Shwartz i Shai Ben-David |
| Efekty uczenia się: |
* Student ma pogłebioną wiedzę z zakresu matematyki dyskretnej (K_W01). Umiejętności: student potrafi konstruować rozumowania matematyczne Kompetencje społeczne: student jest gotów do krytycznej oceny posiadanej wiedzy i odbieranych treści |
| Metody i kryteria oceniania: |
ocena będzie wypadkową ocen z prac domowych, testów domowych, oraz z egzaminu ustnego (dla wybranych osób). Kryteria oceny będą różne dla studentów różnych etapów studiów. |
Właścicielem praw autorskich jest Uniwersytet Warszawski.