SylabUZ
Course name | Basics of Machine Learning |
Course ID | 11.3-WK-IDP-PUM-S18 |
Faculty | Faculty of Mathematics, Computer Science and Econometrics |
Field of study | Data Engineering |
Education profile | academic |
Level of studies | First-cycle studies leading to Engineer's degree |
Beginning semester | winter term 2022/2023 |
Semester | 7 |
ECTS credits to win | 5 |
Course type | optional |
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 |
Lecture | 30 | 2 | - | - | Credit with grade |
Laboratory | 30 | 2 | - | - | Credit with grade |
Założeniem kursu jest zapoznanie studentów z algorytmami uczenia maszynowego mającymi obecnie bardzo szerokie zastosowanie w praktycznej analizie dużych zbiorów danych.
Celem końcowym kursu jest nabycie przez studenta umiejętności wyboru odpowiednich metod uczenia maszynowego w zależności od praktycznego problemu. Umiejętność odkrywania wzorców oraz reguł ukrytych w danych. Użycie metod uczenia maszynowego jako wsparcie w procesie wspomagania decyzji biznesowych. Wdrożenie wybranego modelu, algorytmu w celu rozwiązania postawionego problemu.
Po tym kursie student będzie posiadał umiejętność wykorzystania specjalistycznych bibliotek programu Python, do rozwiązywania konkretnych problemów za pomocą algorytmów uczenia maszynowego.
Znajomość podstaw statystyki oraz podstaw programowania.
Wykład/Laboratorium:
Wykład: tradycyjny i problemowy. Laboratorium: rozwiązywanie problemów badawczych za pomocą algorytmów uczenia maszynowego przy wykorzystaniu specjalistycznych bibliotek programu Python. Dyskusja. Praca w zespole.
Outcome description | Outcome symbols | Methods of verification | The class form |
Ocena z laboratorium wystawiana będzie na podstawie wyników z kolokwium i/lub projektów (80%) oraz aktywności na zajęciach (20%).
Modified by dr Alina Szelecka (last modification: 04-07-2022 13:17)