SylabUZ
Course name | Machine Learning in Python |
Course ID | 11.3-WK-IDD-UMP-S18 |
Faculty | Faculty of Exact and Natural Sciences |
Field of study | data engineering |
Education profile | academic |
Level of studies | Second-cycle studies leading to MS degree |
Beginning semester | summer term 2022/2023 |
Semester | 2 |
ECTS credits to win | 6 |
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 |
Lecture | 30 | 2 | - | - | Exam |
Laboratory | 30 | 2 | - | - | Credit with grade |
Celem kursu jest zapoznanie studentów z algorytmami uczenia maszynowego oraz ich właściwym wykorzystaniem w zagadnieniach praktycznych. Po tym kursie student będzie posiadał umiejętność implementacji algorytmów uczenia maszynowego przy wykorzystaniu specjalistycznych bibliotek programu Python. Założeniem kursu jest przygotowanie studentów do rozwiązywania praktycznych problemów przy wykorzystaniu zarówno klasycznych modeli statystycznych, jak również algorytmów sieci neuronowych oraz innych poznanych metod uczenia maszynowego. Ważnym celem tego przedmiotu jest rozwinięcie umiejętności wnioskowania, analitycznego myślenia oraz doboru właściwych algorytmów uczenia maszynowego do zadanego problemu.
Znajomość podstaw statystyki oraz podstaw programowania.
Wykład/Laboratorium:
Wykład: tradycyjny i problemowy, prezentacja multimedialna.
Laboratorium: program laboratorium obejmuje pogłębienie zagadnień omawianych na wykładach. Rozwiązywanie problemów badawczych za pomocą algorytmów uczenia maszynowego przy wykorzystaniu specjalistycznych bibliotek programu Python. Praca w zespole. Dyskusja związana z wykorzystaniem odpowiednich algorytmów oraz interpretacja wyników pośrednich i końcowych.
Outcome description | Outcome symbols | Methods of verification | The class form |
Wykład. Wiedza nabyta w ramach wykładu będzie weryfikowana testem zaliczeniowym złożonym z pytań teoretycznych i praktycznych zadań. Próg zaliczeniowy to 50% sumy punktów. Zagadnienia zaliczeniowe, na podstawie których opracowywane będą pytania zostaną przekazane studentom przed egzaminem.
Laboratorium. Umiejętności nabyte w ramach zajęć laboratoryjnych weryfikowane są na podstawie wykonania przez studenta wskazanych zadań i problemów rozliczanych w formie raportów. Próg zaliczeniowy to 50% sumy punktów.
Ocena końcowa. Na ocenę z przedmiotu składa się ocena z laboratorium (60%) i ocena z egzaminu (40%). Warunkiem koniecznym uzyskania pozytywnej oceny końcowej jest uzyskanie pozytywnej oceny z egzaminu i laboratorium.
Modified by dr Magdalena Wojciech (last modification: 25-05-2022 23:45)