Το Machine Learning SG αποτελεί μια ομάδα μελέτης αφιερωμένη στην κατανόηση των βασικών αρχών και των σύγχρονων τεχνικών της μηχανικής μάθησης. Μέσα από οργανωμένες συναντήσεις, στοχεύει να εισαγάγει τους συμμετέχοντες στον τρόπο με τον οποίο τα υπολογιστικά συστήματα μαθαίνουν από δεδομένα, ξεκινώντας από θεμελιώδεις έννοιες και φτάνοντας σε πιο σύνθετα μοντέλα και αρχιτεκτονικές.

Στο πλαίσιο των δράσεών του, το ML SG καλύπτει θεματικές όπως η επιβλεπόμενη, μη επιβλεπόμενη και ενισχυτική μάθηση, η λειτουργία του perceptron και η μετάβαση από απλά μοντέλα σε νευρωνικά δίκτυα. Παράλληλα, δίνεται έμφαση σε πρακτικές έννοιες όπως το overfitting, η κατηγοριοποίηση δεδομένων και η εκπαίδευση μοντέλων σε πραγματικά παραδείγματα, όπως η αναγνώριση χειρόγραφων ψηφίων από τη βάση δεδομένων MNIST.

Επιπλέον, το Machine Learning SG εξοικειώνει τους συμμετέχοντες με σύγχρονα εργαλεία και frameworks, όπως το PyTorch και το Google Colab, παρουσιάζοντας βήμα προς βήμα τη δημιουργία πλήρων pipelines εκπαίδευσης και αξιολόγησης μοντέλων. Παράλληλα, εισάγει πιο προχωρημένες έννοιες, όπως CNNs, GANs, Transformers, καθώς και sequence models όπως RNNs, LSTMs, GRUs και seq2seq αρχιτεκτονικές. Με αυτόν τον τρόπο, προσφέρει στους φοιτητές μια ολοκληρωμένη πρώτη επαφή με το πεδίο της μηχανικής μάθησης, συνδυάζοντας θεωρητική κατανόηση με πρακτική εφαρμογή.