S: Zastosowanie sztucznych sieci neuronowych WF-R-PS-SZS
1. Wprowadzenie do pakietu Data Miner programu Statistica
2. Budowa i interpretacja rozwiązania regresyjnej sztucznej sieci neuronowej
3. Budowa i interpretacja rozwiązania klasyfikacyjnej sieci neuronowej
4. Łączenie rozwiązania algorytmów text mining ze sztucznymi sieciami neuronowymi
5. Łączenie w analizie układów równań strukturalnych i sztucznych sieci neuronowych
6. Sztuczne sieci neuronowe a inne modele predykcyjne
7. Sztuczne sieci neuronowe a inne modele predykcyjne
E-Learning
Grupa przedmiotów ogólnouczenianych
Poziom przedmiotu
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza - student posiada podstawową wiedzę dotyczącą sztucznych sieci neuronowych, ich struktury, sposobów uczenia się, rodzajów.
Kompetencje i umiejętności - student umie liczyć oraz interpretować wyniki sztucznych sieci neuronowych.
ECTS:
udział w zajęciach - 15 godzin
przygotowanie do zajęć– 15 godzin
LICZBA ECTS – 1
Kryteria oceniania
raport z analizy danych przy pomocy sztucznych sieci neuronowych
Literatura
Elder, J., Hill, T., Miner, G., Nisbet, B., Delen, D., & Fast, A. (2012). Practical Text Mining and Statistical Analysis for Nono-structured Text Data Application. Oxford: Elsevier.
Nisbet, R., Elder, J., & Miner, G. (2009). Handbook of statistical analysis and data mining applications. Burlington, MA: Academic Press (Elsevier).
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: