Uczenie maszynowe i sieci neuronowe - zajęcia fakultatywne WM-I-S1-UMiSN
Celem przedmiotu jest przekazanie wiedzy i umiejętności z zakresu analizy danych oraz podstaw uczenia maszynowego, w tym sieci neuronowych. Na zajęciach studenci zostaną zapoznani z podstawowymi metodami analizy danych i modelami uczenia maszynowego w języku Python. Nabywają umiejętności: załadowania zbioru danych, zidentyfikowania jego wad oraz ich poprawy, dobrania odpowiedniego modelu oraz jego oceny. Zapoznają się również z popularnymi bibliotekami w języku Python służących do analizy danych.
Dyscyplina naukowa, do której odnoszą się efekty uczenia się
Grupa przedmiotów ogólnouczenianych
Koordynatorzy przedmiotu
Opis nakładu pracy studenta w ECTS
Poziom przedmiotu
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Wymagania wstępne
Efekty uczenia się
WYKŁAD
Student:
W1 - charakteryzuje podstawy teoretyczne i techniczne analizy danych oraz metod uczenia maszynowego, w tym modeli sieci neuronowych, oraz wyjaśnia metody oceny jakości modeli predykcyjnych (I1_W14),
W2 - opisuje wybrane metody i algorytmy uczenia maszynowego oraz wyjaśnia zasady ich zastosowania do rozwiązywania problemów analizy danych (I1_W14).
LABORATORIUM
Student:
U1 - wykorzystuje narzędzia i metody analizy danych oraz uczenia maszynowego, w tym modele sieci neuronowych, do rozwiązywania problemów w wybranych dziedzinach zastosowań z wykorzystaniem języka R (I1_U18),
U2 - przygotowuje dane, buduje i ocenia modele uczenia maszynowego oraz interpretuje uzyskane wyniki z wykorzystaniem odpowiednich narzędzi programistycznych (I1_U18).
Kryteria oceniania
Dla wszystkich efektów przyjmuje się następujące kryteria oceny we wszystkich formach weryfikacji:
ocena 5: osiągnięty w pełni (bez uchwytnych niedociągnięć)
ocena 4,5: osiągnięty niemal w pełni i nie są spełnione kryteria przyznania wyższej oceny
ocena 4: osiągnięty w znacznym stopniu i nie są spełnione kryteria przyznania wyższej oceny
ocena 3,5: osiągnięty w znacznym stopniu – z wyraźną przewagą pozytywów – i nie są spełnione kryteria przyznania wyższej oceny
ocena 3: osiągnięty dla większości przypadków objętych weryfikacją i nie są spełnione kryteria przyznania wyższej oceny
ocena 2: nie został osiągnięty dla większości przypadków objętych weryfikacją
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: