Wybrane metody uczenia maszynowego WM-I-WMUM
Celem przedmiotu jest przekazanie wiedzy i umiejętności z zakresu zaawansowanej analizy danych oraz podstaw uczenia maszynowego, w tym sieci neuronowych. Na zajęciach studenci zostaną zapoznani z zaawansowanymi metodami analizy danych i modelami uczenia maszynowego w języku R i Python. Nabywają umiejętności: załadowania zbioru danych, zidentyfikowania jego wad oraz ich poprawy, dobrania odpowiedniego modelu oraz jego oceny. Zapoznają się również z zaawansowanymi bibliotekami oraz frameworkami w językach R i Python służących do analizy danych w nauce i biznesie.
Dyscyplina naukowa, do której odnoszą się efekty uczenia się
E-Learning
W cyklu 2021/22_Z: E-Learning (pełny kurs) z podziałem na grupy | W cyklu 2024/25_Z: E-Learning | W cyklu 2023/24_Z: E-Learning | W cyklu 2022/23_Z: E-Learning (pełny kurs) z podziałem na grupy | W cyklu 2020/21_Z: E-Learning (pełny kurs) z podziałem na grupy |
Grupa przedmiotów ogólnouczenianych
Opis nakładu pracy studenta w ECTS
Poziom przedmiotu
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Wymagania wstępne
Koordynatorzy przedmiotu
W cyklu 2023/24_Z: | W cyklu 2019/20_Z: | W cyklu 2021/22_Z: | W cyklu 2020/21_Z: | W cyklu 2022/23_Z: | W cyklu 2024/25_Z: |
Efekty kształcenia
wykład
W1 Student zna i rozumie teoretyczne i praktyczne aspekty z zakresu zaawansowanej analizy danych oraz podstaw uczenia maszynowego, w tym sieci neuronowych (I2_W10).
U1 Student potrafi stosować zaawansowane metody analizy danych i modele uczenia maszynowego w języku R i Python (I2_U09).
laboratoria
W1 Student zna i rozumie teoretyczne i praktyczne aspekty z zakresu zaawansowanej analizy danych oraz podstaw uczenia maszynowego, w tym sieci neuronowych (I2_W10).
U1 Student potrafi stosować metody uczenia maszynowego wykorzystując zaawansowane biblioteki oraz frameworkami w językach R i Python służące do analizy danych w nauce i biznesie (I2_U09).
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: