SylabUZ
| Nazwa przedmiotu | Introduction to machine learning |
| Kod przedmiotu | 13.2-WF-FizD-IML-S21 |
| Wydział | Wydział Fizyki i Astronomii |
| Kierunek | Fizyka |
| Profil | ogólnoakademicki |
| Rodzaj studiów | drugiego stopnia z tyt. magistra |
| Semestr rozpoczęcia | semestr zimowy 2021/2022 |
| Semestr | 3 |
| Liczba punktów ECTS do zdobycia | 4 |
| Występuje w specjalnościach | Fizyka komputerowa |
| Typ przedmiotu | obowiązkowy |
| Język nauczania | angielski |
| Sylabus opracował |
|
| Forma zajęć | Liczba godzin w semestrze (stacjonarne) | Liczba godzin w tygodniu (stacjonarne) | Liczba godzin w semestrze (niestacjonarne) | Liczba godzin w tygodniu (niestacjonarne) | Forma zaliczenia |
| Laboratorium | 45 | 3 | - | - | Zaliczenie na ocenę |
| Wykład | 15 | 1 | - | - | Egzamin |
The aim of the course is to familiarize students with the basics of machine learning, its terminology and areas of application, and the ability to use common libraries to solve simple / typical ML problems.
Fundamentals of programming. fundamentals of statistics and data analysis
1. Introduction to machine learning, history, terminology, applications
2. Overview of machine learning libraries available in Python
3. Classifiers
4. Preliminary data processing
5. Data reduction methods
6. Model evaluation methods
Lecture, classes, computer laboratory, discussion.
| Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
Laboratorium - pozytywna ocena z kolokwium (50%) i przygotowanie sprawozdania z opracowania wybranego zagadnienia z analizy danych (50%).
Wykład - pozytywna ocena z egzaminu pisemnego.
Ocena końcowa - średnia z ocen z laboratorium i 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
Zmodyfikowane przez dr Marcin Kośmider (ostatnia modyfikacja: 11-05-2021 16:01)
