Uczenie maszynowe Kierunek studiów: Kognitywistyka
Kod programu: 05-N2KO19.2019

Nazwa modułu: Uczenie maszynowe
Kod modułu: KO2_m15
Kod programu: 05-N2KO19.2019
Semestr:
  • semestr zimowy 2021/2022
  • semestr zimowy 2020/2021
Język wykładowy: polski
Forma zaliczenia: zaliczenie
Punkty ECTS: 3
Opis:
W trakcie laboratoriów student poznaje sposoby, mechanizmy i zasady uczenia maszynowego. Dowiaduje się czym różni się uczenie maszyn od uczenia się ludzi oraz jak – na podstawie jakich algorytmów – przebiegają procesy uczenia się maszyn. Poznaje kryteria według, których dzieli się je na różne rodzaje i typy (takie jak uczenie pod nadzorem – supervised learning, np klasyfikacja czy regresja i uczenie bez nadzoru – unsupervised learning, np. analiza skupień czy sieci neuronowe). Istotną częścią zajęć będzie wskazanie możliwości, zastosowań i ograniczeń systemów uczących się i wynikających z nich problemów.
Wymagania wstępne:
Brak.
Literatura podstawowa:
(brak informacji)
Efekt modułowy Kody efektów kierunkowych do których odnosi się efekt modułowy [stopień realizacji: skala 1-5]
Zna algorytmy używane w uczeniu maszynowym. [KO2_m15_1]
 KO2_W02 [2/5] KO2_W04 [5/5] KO2_W18 [4/5] KO2_U20 [3/5]
Zna wybrane narzędzia informatyczne umożliwiające modelowanie metod uczenia maszynowego. [KO2_m15_2]
 KO2_W04 [5/5] KO2_W18 [4/5]
Potrafi określić i modelować etapy składające się na model systemu uczącego się. [KO2_m15_3]
 KO2_U16 [5/5]
Potrafi wykorzystać wybrane narzędzie informatyczne wraz z gotowymi rozwiązaniami do budowy systemu uczącego [KO2_m15_4]
 KO2_U11 [2/5] KO2_U16 [5/5] KO2_U17 [2/5]
Samodzielnie realizuje wybrane metody uczenia się oraz przygotowuje dane wejściowe zgodnie ze specyfikacją danego problemu. [KO2_m15_5]
 KO2_U11 [2/5] KO2_U16 [5/5] KO2_U20 [4/5]
Potrafi prawidłowo stosować poznane oprogramowanie do rozwiązywania wybranych problemów uczenia maszynowego. [KO2_m15_6]
 KO2_U16 [4/5]
Potrafi wykorzystać rezultaty uczenia maszynowego w dyskusji nad ludzkimi zdolnościami poznawczymi. [KO2_m15_7]
 KO2_K02 [3/5]
Uczy się kreatywnego myślenia. [KO2_m15_8]
 KO2_K02 [3/5]
Przestrzega zasad ochrony własności intelektualnej przy wykorzystywaniu danych w procesie uczenia. [KO2_m15_9]
 KO2_K08 [4/5]
Typ Opis Kody efektów modułowych do których odnosi się sposób weryfikacji
Zaliczenie [KO2_m15_w_1]
Na zasadach określonych w sylabusie.
 KO2_m15_1 KO2_m15_2 KO2_m15_3 KO2_m15_4 KO2_m15_5 KO2_m15_6 KO2_m15_7 KO2_m15_8 KO2_m15_9
Rodzaj prowadzonych zajęć Praca własna studenta Sposoby weryfikacji
Typ Opis (z uwzględnieniem metod dydaktycznych) Liczba godzin Opis Liczba godzin
laboratorium [KO2_m15_fs_1]
Praca z narzędziami służącymi do modelowania systemów uczących.
 20
Zapoznanie się z wybranymi metodami uczenia maszynowego oraz samodzielne przygotowanie projektu wskazanego modelu (modeli) wraz z opisem przeprowadzonych eksperymentów w formie sprawozdania.
 70 Zaliczenie [KO2_m15_w_1]
Załączniki
Opis modułu (PDF)
Informacje o sylabusach mogą ulec zmianie w trakcie trwania studiów.
Sylabusy (USOSweb)
Semestr Moduł Język wykładowy
(brak danych)