Uczenie maszynowe i sieci neuronowe - zaj. fakultatywne WM-I-Z-S1-E6-UM
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
E-Learning
Grupa przedmiotów ogólnouczenianych
Opis nakładu pracy studenta w ECTS
Poziom przedmiotu
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Wymagania wstępne
Koordynatorzy przedmiotu
Efekty kształcenia
WYKŁAD
Student:
W1 - zna i rozumie teoretyczne i techniczne podstawy analizy danych oraz uczenia maszynowego, w tym sieci neuronowych, zna metody oceny jakość modeli (I1_W14).
U1 - potrafi stosować w wybranej dziedzinie narzędzia i metody analizy danych oraz uczenia maszynowego, w tym sieci neuronowych, w języku R (I1_U18).
LABORATORIA
Student:
W1 - zna i rozumie teoretyczne i techniczne podstawy analizy danych oraz uczenia maszynowego, w tym sieci neuronowych, potrafi oceniać jakość modeli(I1_W14).
U1 - potrafi stosować w wybranej dziedzinie narzędzia i metody analizy danych oraz uczenia maszynowego, w tym sieci neuronowych, w języku R (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: