Wstęp do uczenia maszynowego 1100-WUM
Program:
1. Wstęp, regresja liniowa i metoda najmniejszych kwadratów
2. Klasyfikacja i regresja logistyczna
3. Algorytmy generatywne
4. Maszyny wektorów wspierających
5. Drzewa decyzyjne, koncepcej boosting i bagging
6. Modele drzewiaste z gradient boosting
7. Wstęp o sieciach neuronowych, sieci neuronowe liniowe
8. Perceptron Rosenblatta
9. Nieliniowości różniczkowalne i metoda wstecznej propagacji błędu
10. Sieci neuronowe splotowe
11. Uczenie bez nadzoru
12. Uczenie ze wzmocnieniem
13. Wyjaśnialność w uczeniu maszynowym
Zagadnienia omawiane teoretycznie na wykładzie będą ilustrowane na ćwiczeniach praktycznymi przykładami w języku python.
Kierunek podstawowy MISMaP
Tryb prowadzenia
Założenia (opisowo)
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza:
1. Student zna podstawowe koncepcje związane z uczeniem maszynowym i sztucznymi sieciami neuronowymi (KW01);
2. posiada wiedzę w zakresie matematyki wyższej oraz technik informatycznych niezbędną do rozwiązywania problemów fizycznych o średnim poziomie złożoności za pomocą metod uczenia maszynowego (KW02).
Umiejętności:
1. Student potrafi zastosować podejście uczenia maszynowego lub sztuczną sieć neuronową do praktycznego problemu (KU01);
2. potrafi wykonywać proste eksperymenty, obserwacje, obliczenia numeryczne i symulacje komputerowe z wykorzystaniem standardowych pakietów oprogramowania oraz krytycznie analizować wyniki pomiarów, obserwacji i obliczeń wraz z oceną dokładności wyników (KU03).
Postawy:
1. Student docenia znaczenie metod uczenia maszynowego we współczesnych metodach analizy danych (K_K06);
2. docenia znacznie pracy własnej w pogłębianiu wiedzy oraz umiejętności z obszaru uczenia maszynowego (K_K01);
3. potrafi odpowiednio określić priorytety służące realizacji określonych zadań i przedsięwzięć o zróżnicowanym charakterze (K_K03).
Przewidywany nakład pracy studenta:
Uczestnictwo w zajęciach: 90 h
Przygotowanie do zajęć i rozwiązywanie zadań domowych: 30 h
Przygotowanie do egzaminu 10 h
Kryteria oceniania
Metody i kryteria oceniania:
Ocena jest średnią ważoną z wyników systematycznych quizów, wyniku testu dotyczącego zagadnień teoretycznych oraz oceny z kolokwiów.
Literatura
artykuły polecane w czasie zajęć
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: