Algorytmy uczenia maszynowego Kierunek studiów: Informatyka
Kod programu: W4-S1IN19.2021

Nazwa modułu: Algorytmy uczenia maszynowego
Kod modułu: 08-IO1S-13-AUM
Kod programu: W4-S1IN19.2021
Semestr:
  • semestr zimowy 2025/2026
  • semestr zimowy 2024/2025
  • semestr zimowy 2023/2024
Język wykładowy: polski
Forma zaliczenia: zaliczenie
Punkty ECTS: 5
Opis:
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.
Wymagania wstępne:
(brak informacji)
Literatura podstawowa:
(brak informacji)
Efekt modułowy Kody efektów kierunkowych do których odnosi się efekt modułowy [stopień realizacji: skala 1-5]
Potrafi samodzielnie formułować problem [AUM_K09]
 K_U01 [1/5]
Potrafi pracować zespole wieloosobowym i właściwie dzielić zadania na podzadania [AUM_K10]
 K_K03 [1/5] K_K04 [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 [AUM_U5]
 K_U01 [1/5] K_U14 [1/5] K_U17 [1/5] K_U18 [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 [AUM_U6]
 K_U01 [1/5] K_U08 [1/5] K_U10 [1/5] K_U17 [1/5]
Potrafi konstruować algorytmy z wykorzystaniem technik algorytmicznych z obszaru uczenia maszynowego, w tym reprezentacji symbolicznych i numerycznych [AUM_U7]
 K_U04 [1/5] K_U19 [1/5] K_U17 [1/5] K_U18 [1/5]
Potrafi analizować dowolny system pod kątem odpowiednio stosowanego algorytmu uczenia maszynowego [AUM_U8]
 K_U08 [1/5] K_U10 [1/5] K_U17 [1/5] K_U18 [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 [AUM_W1]
 K_W01 [1/5] K_W02 [1/5] K_W03 [1/5] K_W04 [1/5]
Ma poszerzoną wiedzę na temat różnych paradygmatów, metod i algorytmów uczenia maszynowego w tym uczenia z nauczycielem i nienadzorowanego [AUM_W2]
 K_W01 [1/5] K_W12 [1/5] K_W14 [1/5] K_W10 [1/5]
Ma pogłębioną i uporządkowaną wiedzę w zakresie programowania w językach programowania deklaratywnego, imperatywnego i funkcyjnego używanych do implementowania algorytmów uczenia maszynowego [AUM_W3]
 K_W01 [1/5] K_W09 [1/5] K_W10 [1/5] K_U18 [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 [AUM_W4]
 K_W12 [1/5] K_W18 [1/5] K_W19 [1/5]
Typ Opis Kody efektów modułowych do których odnosi się sposób weryfikacji
Kolokwium zaliczeniowe [AUM_w_1]
Rozwiązanie zadań z treścią, po jednym z każdego działu omawianego na wykładzie
 AUM_W1 AUM_W2 AUM_W3 AUM_W4
Prace kontrolne [AUM_w_2]
Kolokwia po każdym temacie zamkniętym na ćwiczeniach wraz z kontrolą wiedzy teoretycznej z wykładu
 AUM_U5 AUM_U6 AUM_U7 AUM_U8
Sprawozdania grupowe [AUM_w_3]
Rozwiązanie zadań podanych w zestawach tematycznie pogrupowanych – po 5, 7 zadań w poszczególnych zestawach
 AUM_K09 AUM_K10
Rodzaj prowadzonych zajęć Praca własna studenta Sposoby weryfikacji
Typ Opis (z uwzględnieniem metod dydaktycznych) Liczba godzin Opis Liczba godzin
wykład [AUM_fs_1]
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
 30
Zapoznanie się z tematyką wykładu z wykorzystaniem istniejących pakietów metod: opracowań indywidualnych, stron internetowych
 45 Kolokwium zaliczeniowe [AUM_w_1]
laboratorium [AUM_fs_2]
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
45 Prace kontrolne [AUM_w_2] Sprawozdania grupowe [AUM_w_3]
Załączniki
Opis modułu (PDF)
Informacje o sylabusach mogą ulec zmianie w trakcie trwania studiów.
Sylabusy (USOSweb)
Semestr Moduł Język wykładowy
(brak danych)