Machine learning algorithms Field of study: Computer Science
Programme code: 08-S1INI12.2016

Module name: Machine learning algorithms
Module code: 08-IO1S-13-AUM
Programme code: 08-S1INI12.2016
Semester: summer semester 2017/2018
Language of instruction: Polish
Form of verification: course work
ECTS credits: 6
Description:
Wykład jest przeznaczony dla studentów informatyki. Jego celem jest zaznajomienie studentów z algorytmami uczenia maszynowego. Podane zostaną różne metody uczenia się z nadzorem i bez. Ze szczególnym uwzględnieniem metod uczenia się ze wzmocnieniem. Stosowaniem różnic czasowych w aktualizacji wzmocnień ma być zweryfikowane w aplikacji przygotowanej przez studentów, poświęconej technice sztucznego życia.
Prerequisites:
(no information given)
Key reading:
(no information given)
Learning outcome of the module Codes of the learning outcomes of the programme to which the learning outcome of the module is related [level of competence: scale 1-5]
Potrafi samodzielnie formułować problem [08-IO1S-13-4W14_K09]
 K_1_A_I_U01 [1/5]
Potrafi pracować zespole wieloosobowym i właściwie dzielić zadania na podzadania [08-IO1S-13-4W14K10]
 K_1_A_I_K03 [1/5] K_1_A_I_K04 [1/5] K_1_A_I_K05 [1/5]
Potrafi wykorzystać poznane metody i modele sformalizowane do modelowania zadań i algorytmów uczenia maszynowego w tym uczenia z nauczycielem i nienadzorowanego w systemach informatycznych i oprogramowaniu [08-IO1S-13-4W14_U5]
 K_1_A_I_U01 [1/5] K_1_A_I_U15 [1/5] K_1_A_I_U18 [1/5] K_1_A_I_U19 [1/5]
Potrafi ocenić przydatność różnych paradygmatów i metod uczenia maszynowego i związanych z nimi środowisk programistycznych do rozwiązywania różnego typu praktycznych problemów koncepcyjnych i technicznych [08-IO1S-13-4W14_U6]
 K_1_A_I_U01 [1/5] K_1_A_I_U08 [1/5] K_1_A_I_U10 [1/5] K_1_A_I_U18 [1/5]
Potrafi konstruować algorytmy z wykorzystaniem technik algorytmicznych z obszaru uczenia maszynowego, w tym reprezentacji symbolicznych i numerycznych [08-IO1S-13-4W14_U7]
 K_1_A_I_U04 [1/5] K_1_A_I_U20 [1/5] K_1_A_I_U18 [1/5] K_1_A_I_U19 [1/5]
Potrafi analizować dowolny system pod kątem odpowiednio stosowanego algorytmu uczenia maszynowego [08-IO1S-13-4W14_U8]
 K_1_A_I_U08 [1/5] K_1_A_I_U10 [1/5] K_1_A_I_U18 [1/5] K_1_A_I_U19 [1/5]
Ma wiedzę w zakresie matematyki, obejmującą algebrę liniową, elementy rachunku prawdopodobieństwa, matematykę dyskretną i metody numeryczne niezbędne do modelowania problemów z obszaru uczenia maszynowego [08-IO1S-13-4W14_W1]
 K_1_A_I_W01 [1/5] K_1_A_I_W02 [1/5] K_1_A_I_W03 [1/5] K_1_A_I_W04 [1/5]
Ma poszerzoną wiedzę na temat różnych paradygmatów, metod i algorytmów uczenia maszynowego w tym uczenia z nauczycielem i nienadzorowanego [08-IO1S-13-4W14_W2]
 K_1_A_I_W01 [1/5] K_1_A_I_W12 [1/5] K_1_A_I_W14 [1/5] K_1_A_I_W10 [1/5]
Ma pogłębioną i uporządkowaną wiedzę w zakresie programowania w językach programowania deklaratywnego, imperatywnego i funkcyjnego używanych do implementowania algorytmów uczenia maszynowego [08-IO1S-13-4W14_W3]
 K_1_A_I_W01 [1/5] K_1_A_I_W09 [1/5] K_1_A_I_W10 [1/5] K_1_A_I_U19 [1/5]
Orientuje się w obecnym stanie oraz najnowszych osiągnięciach i trendach rozwojowych informatyki, w tym sztucznej inteligencji, sztucznego życia i metod uczenia maszynowego w tym obszarach ich zastosowań w informatyce i technice [08-IO1S-13-4W14_W4]
 K_1_A_I_W12 [1/5] K_1_A_I_W18 [1/5] K_1_A_I_W19 [1/5]
Type Description Codes of the learning outcomes of the module to which assessment is related
Kolokwium zaliczeniowe [08-IO1S-13-4W14_w_1]
Rozwiązanie zadań z treścią, po jednym z każdego działu omawianego na wykładzie
 08-IO1S-13-4W14_W1 08-IO1S-13-4W14_W2 08-IO1S-13-4W14_W3 08-IO1S-13-4W14_W4
Prace kontrolne [08-IO1S-13-4W14_w_2]
Kolokwia po każdym temacie zamkniętym na ćwiczeniach wraz z kontrolą wiedzy teoretycznej z wykładu
 08-IO1S-13-4W14_U5 08-IO1S-13-4W14_U6 08-IO1S-13-4W14_U7 08-IO1S-13-4W14_U8
Sprawozdania grupowe [08-IO1S-13-4W14_w_3]
Rozwiązanie zadań podanych w zestawach tematycznie pogrupowanych – po 5, 7 zadań w poszczególnych zestawach
 08-IO1S-13-4W14_K09 08-IO1S-13-4W14K10
Form of teaching Student's own work Assessment of the learning outcomes
Type Description (including teaching methods) Number of hours Description Number of hours
lecture [08-IO1S-13-4W14_fs1]
Podanie treści kształcenia w formie werbalnej z wykorzystaniem wizualizacji treści. Skupienie się na materiale trudnym pojęciowo i wskazanie materiałów pomocniczych – opracowań własnych. Na podstawie tychże kolokwium zaliczeniowe
 15
Zapoznanie się z tematyką wykładu z wykorzystaniem istniejących pakietów metod: opracowań indywidualnych, stron internetowych
 45 Kolokwium zaliczeniowe [08-IO1S-13-4W14_w_1]
laboratory classes [08-IO1S-13-4W14_fs2]
Na ćwiczeniach laboratoryjnych studenci poznają modele matematyczne przekazu informacji i rozwiązują zadania z tego zakresu.
 30
Rozwiązywanie zadań z poszczególnych tematów wraz z analizą rozwiązań już istniejących – w opracowaniach i na stronach internetowych Analiza i opisanie w wersji elektronicznej systemu uczącego się i jego weryfikacja w określonym przez prowadzącego środowisku.
90 Prace kontrolne [08-IO1S-13-4W14_w_2] Sprawozdania grupowe [08-IO1S-13-4W14_w_3]
Attachments
Module description (PDF)
Information concerning module syllabuses might be changed during studies.
Syllabuses (USOSweb)
Semester Module Language of instruction
(no information given)