Algorytmy uczenia maszynowego Field of study: Computer Science
Programme code: 08-N2INI14.2017

Module name: Algorytmy uczenia maszynowego
Module code: 08-IN-IJO-S2-AUM
Programme code: 08-N2INI14.2017
Semester:
  • winter semester 2019/2020
  • summer semester 2018/2019
  • winter semester 2018/2019
  • summer semester 2017/2018
Language of instruction: Polish
Form of verification: exam
ECTS credits: 3
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 pracować zespole wieloosobowym i właściwie dzielić zadania na podzadania [AUM _K10]
 K_2_A_I_K03 [1/5] K_2_A_I_K04 [1/5] K_2_A_I_K05 [1/5]
Potrafi samodzielnie formułować problem [AUM _U09]
 K_2_A_I_U01 [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_2_A_I_U01 [1/5] K_2_A_I_U13 [1/5] K_2_A_I_U15 [1/5] K_2_A_I_U16 [1/5] K_2_A_I_U22 [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_2_A_I_U01 [1/5] K_2_A_I_U08 [1/5] K_2_A_I_U10 [1/5] K_2_A_I_U15 [1/5]
Potrafi konstruować algorytmy z wykorzystaniem technik algorytmicznych z obszaru uczenia maszynowego, w tym reprezentacji symbolicznych i numerycznych [AUM _U7]
 K_2_A_I_U04 [1/5] K_2_A_I_U15 [1/5] K_2_A_I_U16 [1/5] K_2_A_I_U17 [1/5]
Potrafi analizować dowolny system pod kątem odpowiednio stosowanego algorytmu uczenia maszynowego [AUM _U8]
 K_2_A_I_U08 [1/5] K_2_A_I_U10 [1/5] K_2_A_I_U15 [1/5] K_2_A_I_U16 [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_2_A_I_W01 [1/5] K_2_A_I_W02 [1/5] K_2_A_I_W03 [1/5]
Ma poszerzoną wiedzę na temat różnych paradygmatów, metod i algorytmów uczenia maszynowego w tym uczenia z nauczycielem i nienadzorowanego [AUM _W2]
 K_2_A_I_W01 [1/5] K_2_A_I_W09 [1/5] K_2_A_I_W12 [1/5] K_2_A_I_W14 [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_2_A_I_W01 [1/5] K_2_A_I_W09 [1/5] K_2_A_I_W10 [1/5] K_2_A_I_W18 [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_2_A_I_W14 [1/5] K_2_A_I_W17 [1/5] K_2_A_I_W18 [1/5]
Type Description Codes of the learning outcomes of the module to which assessment is related
Egzamin [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 _K10 AUM _U09
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 [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
 10
Zapoznanie się z tematyką wykładu z wykorzystaniem istniejących pakietów metod: opracowań indywidualnych, stron internetowych
 20 Egzamin [AUM _w_1]
laboratory classes [AUM _fs_2]
Na ćwiczeniach laboratoryjnych studenci poznają modele matematyczne uczenia maszynowego i rozwiązują zadania z tego zakresu.
 20
Rozwiązywanie zadań z poszczególnych tematów wraz z analizą rozwiązań już istniejących – w opracowaniach i na stronach internetowych Analiza i opis w wersji elektronicznej systemu uczącego się i jego weryfikacja w określonym przez prowadzącego środowisku.
40 Prace kontrolne [AUM _w_2] Sprawozdania grupowe [AUM _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)