Obóz wstępny – wprowadzenie do uczenia maszynowego 1000-317bBUM
Wykład będzie miał formę intensywnego kursu prowadzonego przez pierwsze dwa tygodnie pierwszego semestru. Na zajęciach poruszane będą następujące tematy:
1. Funkcja celu, podział test vs walidacja
2. Inżynieria cech
3. Przeuczanie, regularyzacja
4. Wprowadzenie do zagadnień regresji liniowej i logistycznej
5. Algorytm k najbliższych sąsiadów
6. Eksploracja i wizualizacja danych. Histogram, wizualizacja funkcji gęstości, wykres pudełkowy.
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza: student zna i rozumie
* w uporządkowany i podbudowany teoretycznie sposób wiedzę w zakresie podstawowych technik uczenia maszynowego oraz metodologii konstruowania i prowadzenia badań z tego zakresu [K_W06].
Umiejętności: student potrafi
* zaplanować i przeprowadzić badanie własności rozwiązań z zakresu uczenia maszynowego z użyciem podstawowych jego technik [K_U08];
* zwizualizować wyniki badań z zakresu uczenia maszynowego [K_U09].
Kompetencje społeczne: student jest gotów do
* krytycznej oceny posiadanej wiedzy i odbieranych treści [K_K01];
* uznawania znaczenia wiedzy w rozwiązywaniu problemów poznawczych i praktycznych oraz zasięgania opinii ekspertów w przypadku trudności z samodzielnym rozwiązaniem problemu [K_K02].
Kryteria oceniania
Kolokwium i mały projekt programistyczny na ocenę
Literatura
1. Trevor Hastie, Robert Tibshirani, Jerome H., The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, Berlin
2. Andrew Ng, Machine Learning Yearning, https://www.deeplearning.ai/machine-learning-yearning/
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: