Analiza procesów uczenia I-SM3O>APU
Jeszcze nie wprowadzono opisu dla tego przedmiotu...
W cyklu 2021/2022-Z:
Celem wykładów jest wprowadzenie do zagadnień komputerowego wspomagania procesów uczenia maszynowego. Zapoznanie z rozwiązaniami programistycznymi podstawowych problemów uczenia maszynowego. Zajęcia laboratoryjne mają na celu przekazanie zasad korzystania z typowych narzędzi uczenia maszynowego. Ćwiczenia mają służyć wykształceniu umiejętności samodzielnego stosowania oprogramowania komputerowego w rozwiązywaniu różnorodnych problemów uczenia maszynowego spotykanych w trakcie opracowania oprogramowania |
W cyklu 2022/2023-L:
Celem wykładów jest wprowadzenie do zagadnień komputerowego wspomagania procesów uczenia maszynowego. Zapoznanie z rozwiązaniami programistycznymi podstawowych problemów uczenia maszynowego. Zajęcia laboratoryjne mają na celu przekazanie zasad korzystania z typowych narzędzi uczenia maszynowego. Ćwiczenia mają służyć wykształceniu umiejętności samodzielnego stosowania oprogramowania komputerowego w rozwiązywaniu różnorodnych problemów uczenia maszynowego spotykanych w trakcie opracowania oprogramowania |
W cyklu 2023/2024-L:
Celem wykładów jest wprowadzenie do zagadnień komputerowego wspomagania procesów uczenia maszynowego. Zapoznanie z rozwiązaniami programistycznymi podstawowych problemów uczenia maszynowego. Zajęcia laboratoryjne mają na celu przekazanie zasad korzystania z typowych narzędzi uczenia maszynowego. Ćwiczenia mają służyć wykształceniu umiejętności samodzielnego stosowania oprogramowania komputerowego w rozwiązywaniu różnorodnych problemów uczenia maszynowego spotykanych w trakcie opracowania oprogramowania |
Koordynatorzy przedmiotu
<b>Ocena końcowa</b>
<b>Wymagania wstępne</b>
<b>Literatura podstawowa</b>
- Drew Conway, John Myles White, Uczenie maszynowe dla programistów, Helion, 2015
- Peter Flach, Machine Learning: The Art and Science of Algorithms that Make Sense of Data, 2012
- Rob Kabacoff. R in Action. Manning, 2010
- Paul Teetor, 25 Recipes for GettingStarted with R, 2011
- John Verzani, GettingStarted with RStudio, 2011
- Ian H. Witten, Eibe Frank, Mark A. Hall, Data Mining: Practical Machine Learning Tools and Techniques, 2011
<b>Literatura uzupełniająca</b>
- Aurelien Geron, Uczenie maszynowe z uyciem Scikit-Learn i TensorFlow, Helion, 2018.
- Szeliga Marcin, Data Science i uczenie maszynowe, Wydawnictwo Naukowe PWN, 2017, ISBN: 9788301192327
- Kirk Matthew, Python w uczeniu maszynowym. Podejście sterowane testami, Wydawnictwo: APN PROMISE, 2018, ISBN: 9788375413571
<b>Inne informacje</b>
W cyklu 2021/2022-Z: | W cyklu 2022/2023-L: brak
| W cyklu 2023/2024-L: brak
|
Efekty kształcenia
Wiedza
Zna podstawowe rodzaje zagadnień decyzyjnych i optymalizacyjnych
Powiązane efekty kierunkowe:
IF2A_W05
Metody weryfikacji:
Ocena umiejętności praktycznych:Zna podstawowe rodzaje zagadnień decyzyjnych i optymalizacyjnych. Zadania wyk. na zajęciach i domowe
Umiejętności
Potrafi zapisać modele zagadnień decyzyjnych i optymalizacyjnych na komputerze.
Powiązane efekty kierunkowe:
IF2A_U17
Metody weryfikacji:
Ocena umiejętności praktycznych:Potrafi zapisać modele zagadnień decyzyjnych i optymalizacyjnych na komputerze. Zadania wyk. na zajęciach i domowe
Kompetencje społeczne
Student za pomocą systemów wspomagania decyzji i zarządzania wiedzą prawidłowo identyfikuje i rozstrzyga dylematy, umie myśleć i działać w sposób kreatywny i przedsiębiorczy, za kluczowe stawiając sobie dobro firmy oraz kraju
Powiązane efekty kierunkowe:
IF2A_K07
Metody weryfikacji:
Sprawdzenie na zajęciach - odpowiedź ustna:Student za pomocą systemów wspomagania decyzji i zarządzania wiedzą prawidłowo identyfikuje i rozstrzyga dylematy, umie myśleć i działać w sposób kreatywny i przedsiębiorczy, za kluczowe stawiając sobie dobro firmy oraz kraju.