Wstęp do uczenia maszynowego - opis przedmiotu

Informacje ogólne

Nazwa przedmiotu	Wstęp do uczenia maszynowego
Kod przedmiotu	13.2-WF-FizD-WUM-S21
Wydział	Wydział Fizyki i Astronomii
Kierunek	Fizyka
Profil	ogólnoakademicki
Rodzaj studiów	drugiego stopnia z tyt. magistra
Semestr rozpoczęcia	semestr zimowy 2022/2023

Informacje o przedmiocie

Semestr	3
Liczba punktów ECTS do zdobycia	4
Występuje w specjalnościach	Fizyka komputerowa
Typ przedmiotu	obowiązkowy
Język nauczania	polski
Sylabus opracował	dr Marcin Kośmider

Formy zajęć

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

Cel przedmiotu

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.

Wymagania wstępne

Programowanie w języku Python, podstawy statystyki i analizy danych.

Zakres tematyczny

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

Metody kształcenia

Wykład, laboratorium komputerowe

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

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

Literatura podstawowa

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

Literatura uzupełniająca

Internet

Uwagi

Zmodyfikowane przez dr Marcin Kośmider (ostatnia modyfikacja: 04-04-2022 20:20)