Podstawy uczenia maszynowego Kierunek studiów: Inżynieria biomedyczna
Kod programu: 08-S1IB12.2.2018

Nazwa modułu: Podstawy uczenia maszynowego
Kod modułu: 08-IBPR-S1-20-6-PUM
Kod programu: 08-S1IB12.2.2018
Semestr: semestr letni 2020/2021
Język wykładowy: polski
Forma zaliczenia: egzamin
Punkty ECTS: 4
Opis:
Celem modułu jest zapoznanie studentów z podstawami szerokiej dziedziny uczenia maszynowego. Zostaną omówione główne pojęcia (takie jak neuron, sieć neuronowa), algorytmy, metody uczenia (regresja liniowa, gradient prosty) i klasyfikacji. Zdobyta wiedza pozwoli na realizowanie praktycznych implementacji z wykorzystaniem języka Python i środowisk Scikit-Learn oraz TensorFlow. Po zakończeniu modułu studenci powinni mieć wiedzę oraz umiejętności pozwalające na samodzielne zaprojektowanie, wytrenowanie oraz wykorzystanie rozwiązania bazującego na mechanizmach uczenia maszynowego.
Wymagania wstępne:
Ugruntowana wiedza oraz umiejętności wyniesione z modułów „Języki programowania” oraz „Programowanie w języku Python”.
Literatura podstawowa:
(brak informacji)
Efekt modułowy Kody efektów kierunkowych do których odnosi się efekt modułowy [stopień realizacji: skala 1-5]
Ma wiedzę z zakresu rachunku macierzowego. [k_1]
 W01 [3/5]
Zna i rozumie podstawowe pojęcia powiązane ze statystyką, w tym pojęcia regresji liniowej, logistycznej, wielomianowej. [k_2]
 W02 [2/5]
Ma wiedzę z zakresu reprezentacji obrazów cyfrowych, ich przetwarzania oraz analizy. [k_3]
 W10 [1/5]
Potrafi zaprojektować i zrealizować system przetwarzania i analizy danych medycznych. [k_4]
 U11 [3/5]
Umiejętnie formułuje algorytmy przetwarzania danych i potrafi je zaimplementować w języku wysokiego poziomu. [k_5]
 U25 [3/5]
Potrafi tworzyć systemy sztucznej inteligencji i eksploracji danych w celu gromadzenia, grupowania i wyszukiwania informacji w oparciu o wybrane metody. [k_6]
 U26 [5/5] U27 [5/5]
Ma świadomość szybkiego rozwoju technik informatycznych, ze szczególnym naciskiem na aspekty uczenia maszynowego; potrafi nadążać za zmianami i potrafi korzystać z internetowych źródeł wiedzy. [k_7]
 K01 [2/5]
Typ Opis Kody efektów modułowych do których odnosi się sposób weryfikacji
Kolokwia [k_w_1]
W ramach modułu zostaną przeprowadzone dwa kolokwia w formie testów. Sprawdzana będzie zdobyta wiedza oraz pewne aspekty uzyskanych umiejętności.
 k_1 k_2 k_3 k_5
Projekt [k_w_2]
W celu zaliczenia modułu student musi samodzielnie zaprojektować i zaimplementować model z wykorzystaniem metod uczenia maszynowego. Dziedziną modelu mają być dane biomedyczne (np. obrazy, wartości pomiarowe itp.).
 k_1 k_2 k_3 k_4 k_5 k_6 k_7
Rodzaj prowadzonych zajęć Praca własna studenta Sposoby weryfikacji
Typ Opis (z uwzględnieniem metod dydaktycznych) Liczba godzin Opis Liczba godzin
laboratorium [k_fs_1]
Zajęcia będą prowadzone przy komputerach (każdy student przy swoim stanowisku). Prowadzący będzie omawiał poszczególne zagadnienia z wykorzystaniem rzutnika, dzięki czemu będzie możliwe czytelne przekazanie myśli oraz prowadzenie dyskusji o konkretnych rozwiązaniach i problemach. Kody źródłowe powstające na zajęciach będą umieszczane w ogólnodostępnym repozytorium. Opis formy prowadzenia zajęć (wer. ang.):
 30
Obowiązkiem studentów będzie samodzielne zapoznanie się z sugerowanymi przez prowadzącego zagadnieniami. Szczególny nacisk będzie położony na umiejętność korzystania z dokumentacji w języku angielskim dotyczącej bibliotek, narzędzi i technik. Dodatkowo studenci będą motywowani do rozwijania przykładów omawianych na zajęciach oraz zdobywania dodatkowej wiedzy z dziedziny uczenia maszynowego. Samodzielne zaprojektowanie oraz wykonanie projektu końcowego.
 90 Kolokwia [k_w_1] Projekt [k_w_2]
Załączniki
Opis modułu (PDF)
Informacje o sylabusach mogą ulec zmianie w trakcie trwania studiów.
Sylabusy (USOSweb)
Semestr Moduł Język wykładowy
(brak danych)