Analiza macierzowa I-NM3O-AMA
Zapoznanie studentów z tymi operacjami prowadzonymi na macierzach, które są użyteczne w analizie danych, uczeniu maszynowym i metodach sztucznej inteligencji.
Koordynatorzy przedmiotu
<b>Ocena końcowa</b>
<b>Wymagania wstępne</b>
<b>Literatura podstawowa</b>
- Gilbert Strang, Introduction to linear algebra. 6th Wellesley, MA: Wellesley-Cambridge Press (2023).
- Roger A. Horn, Charles. R. Johnson, Matrix analysis. 2nd Cambridge: Cambridge University Press (2013).
<b>Literatura uzupełniająca</b>
- Gregory Hartman, Fundamentals of Matrix Algebra 3rd Edition, APEX Calculus, 2011. Książka dostępna jest nieodpłatnie na zasadzie licencji Creative Commons, NonCommercial pod adresem https://open.umn.edu/opentextbooks/textbooks/675.
<b>Inne informacje</b>
Efekty kształcenia
Wiedza
Ma rozszerzoną wiedzę o tych operacjach prowadzonych na macierzach, które są użyteczne w analizie danych, uczeniu maszynowym i metodach sztucznej inteligencji.
Powiązane efekty kierunkowe:
IF2A_W01, IF2A_W05
Metody weryfikacji:
Przygotowanie projektu
Wiedza
Rozumie związki macierzy z odwzorowaniami liniowymi.
Powiązane efekty kierunkowe:
IF2A_W01
Metody weryfikacji:
Przygotowanie projektu
Umiejętności
Potrafi opisać odwzorowania liniowe przestrzeni skończenie wymiarowych za pomocą macierzy.
Powiązane efekty kierunkowe:
IF2A_U07, IF2A_U08
Metody weryfikacji:
Ocena aktywności na zajęciach
Przygotowanie projektu
Umiejętności
Potrafi sprawnie wykonywać operacje wymienione w programie zajęć zarówno ręcznie, jak i z użyciem oprogramowania komputerowego.
Powiązane efekty kierunkowe:
IF2A_U07, IF2A_U08, IF2A_U14, IF2A_U15, IF2A_U21
Metody weryfikacji:
Ocena aktywności na zajęciach
Przygotowanie projektu
Umiejętności
Potrafi samodzielnie zdobywać wiedzę oraz korzystać z literatury, dokumentacji oprogramowania komputerowego i Internetu celem uzupełnienia wiedzy.
Powiązane efekty kierunkowe:
IF2A_U01, IF2A_U05
Metody weryfikacji:
Ocena aktywności na zajęciach
Przygotowanie projektu
Kompetencje społeczne
Ma świadomość niezbędności znajomości metod analizy macierzowej w analizie danych, uczeniu maszynowym i metodach sztucznej inteligencji.
Powiązane efekty kierunkowe:
IF2A_K01, IF2A_K07
Metody weryfikacji:
Ocena aktywności na zajęciach
Przygotowanie projektu
Kryteria oceniania
Warunkiem zaliczenia ćwiczeń audytoryjnych jest zaliczenie kolokwium lub wykonanie pracy domowej w formie projektu zadanego przez prowadzącego. Projekt ten musi zostać zaliczony (podczas prezentacji na zajęciach lub konsultacji). Zaliczenie projektu polega na ustnym przedstawieniu prowadzącemu jego części lub całości wspomaganym prezentacją komputerową oraz użyciem na bieżąco oprogramowania komputerowego. Przy ustalaniu oceny z zaliczenia brana jest też pod uwagę aktywność studenta na zajęciach. Ocena z zaliczenia jest wypadkową oceny z kolokwium lub projektu oraz oceny za aktywność na zajęciach. Wymaga się obecności na ćwiczeniach. Dopuszcza się jedną nieobecność nieusprawiedliwioną, pozostałe nieobecności muszą być usprawiedliwione (zwolnienie lekarskie, wezwanie do sądu itp.). Zaliczenie poprawkowe odbywa się w formie zaliczenia zaległego (lub ocenionego negatywnie) kolokwium lub projektu.
Ocena z wykładu wystawiana na podstawie oceny z ćwiczeń.