Chmura w uczeniu maszynowym 1000-2M19TCH
Zajęcia podzielone są na dwie grupy: wykłady i laboratoria oraz seminaria (w drugiej części semestru) w trakcie, których uczestnicy będą prezentowali postępy prac w ramach własnych projektów. Tematy zajęć wykładowych i laboratoryjnych:
1. Wstęp: cele kształcenia, środowiska i narzędzia pracy.
2. Chmura obliczeniowa (IaaS/PaaS): wirtualizacja sprzętowa i programowa, model chmury hybrydowej z wyszczególnieniem roli warstw infrastruktury, zarządzania, usług i integracji, standaryzacja i migracja procesów, katalog usług, automatyczna skalowalność, rozwiązania klastrowe, funkcje chmurowe.
3. Przegląd usług z zakresu uczenia maszynowego dostępnych w formie usług (SaaS).
4. Metody statystyczne i sieci neuronowe w analizie szeregów czasowych.
5. Przetwarzanie języka naturalnego (tokenizacja, osadzanie słów, analiza morfologiczna, zastosowania metod zespołowych, płytkie i głębokie sieci neuronowe).
algorytmów i narzędzi uczenia maszynowego, usługi sztucznej inteligencji w chmurze, sieci neuronowe, przetwarzanie języka naturalnego, wizualizacja wyników analizy danych.
6. Modele bezpieczeństwa chmury obliczeniowej.
Rodzaj przedmiotu
Tryb prowadzenia
Koordynatorzy przedmiotu
Efekty kształcenia
1. Rozumie i umie zaprojektować oraz uruchomić usługi w chmurze według założonych wymagań.
2. Rozumie podstawowe techniki uczenia maszynowego i potrafi zaimplementować algorytmy w oparciu o wybrane pakiety Pythona (np. NumPy, Pandas, Scikit-Learn) w tym również w środowiskach SaaS (IBM Watson Studio) z wykorzystaniem pamięci obiektowej.
3. Rozumie podstawowe terminy i mechanizmy związane z cyberbezpieczeństwem.
4. Potrafi zarządzać cyklem życia oprogramowania we współpracy z innymi uczestnikami projektu.
Kryteria oceniania
Ocena końcowa na podstawie punktów z zadań indywidualnych/kolokwiów (30%) oraz oceny projektu programistycznego (70%).
Literatura
I. Białynicki-Birula, I.Białynicka-Birula, Modelowanie rzeczywistości – jak w komputerze postrzega się świat, Wydawnictwo WNT, Warszawa 2013
N.Gift, AI. Podejście pragmatyczne. Wprowadzenie do uczenia maszynowego opartegona chmurze, APN Promise, Warszawa 2019
S.Jansen, Machine Learning for Algorithmic Trading - Second Edition, Packt Publishing, Birmingham-Mumbai, 2020
C.Rossant, Ipython Interactive Computing and Visualization Cookbook - Second Edition, Packt Publishing, Birmingham-Mumbai, 2018
Więcej informacji
Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: