SylabUZ
Course name | Wstęp do uczenia maszynowego |
Course ID | 13.2-WF-FizD-WUM-S21 |
Faculty | Faculty of Physics and Astronomy |
Field of study | Physics |
Education profile | academic |
Level of studies | Second-cycle studies leading to MS degree |
Beginning semester | winter term 2021/2022 |
Semester | 3 |
ECTS credits to win | 4 |
Available in specialities | Computer Physics |
Course type | obligatory |
Teaching language | polish |
Author of syllabus |
|
The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
Laboratory | 45 | 3 | - | - | Credit with grade |
Lecture | 15 | 1 | - | - | Exam |
Celem przedmiotu jest zapoznanie studentów z podstawami uczenia maszynowego, jego terminologią i obaszarami zastosowania, oraz umiejętność wykorzystania gotowych bibliotek do rozwiązania prostych/typowych problemów ML.
Programowanie w języku Python, podstawy statystyki i analizy danych.
1. Wstęp do uczenia maszynowego, historia, terminologia, zastosowania
2. Przegląd bibliotek do uczenia maszynowego dostępnych w Python-ie
3. Klasyfikatory
4. Wstępne przetwarzanie danych
5. Metody redukcji danych
6. Metody oceny modelu
Wykład, laboratorium komputerowe
Outcome description | Outcome symbols | Methods of verification | The class form |
Laboratorium: 40% oceny to średnia testów/sprawdzianów przeprowadzonych w trakcie zajęć, 60% ocena z projektu zaliczeniowego. Warunkiem otrzymania zaliczenia jest pozytywna ocena zarówno projektu końcowego jak i minimalnie średnia ocena na poziomie oceny dostatecznej z testów/sprawdzianów.
Wykład: egzamin
Ocena końcowa: 50% to ocena z laboratorium, 50% ocena z egzaminu
1. "Python. Uczenie maszynowe. Wydanie II", Sebastian Raschka, Vahid Mirjalili, Helion
2. "Uczenie maszynowe z uzyciem SciKit-Learn i TensorFlow. Wydanie II", Aurélien Géron, Helion
3. "Python. Data Science Handbook", Jake VanderPlas, O'Reilly
Internet
Modified by dr Marcin Kośmider (last modification: 11-05-2021 15:35)