Uczenie maszynowe Kierunek studiów: Informatyka
Kod programu: 08-S2INI14.2017

Nazwa modułu: Uczenie maszynowe
Kod modułu: 08-IN-ID-S2-GUM
Kod programu: 08-S2INI14.2017
Semestr:
  • semestr letni 2019/2020
  • semestr letni 2018/2019
Język wykładowy: polski
Forma zaliczenia: zaliczenie
Punkty ECTS: 3
Opis:
Kurs ten jest zorientowany na praktyczne aspekty współczesnych metod sztucznej inteligencji. Głównym elementem są metody oparte na sieciach neuronowych. Kurs obejmuje zagadnienia złożoności obliczeniowej i problemów obliczeniowych, takich jak na przykład problem eksplozji lub zaniku gradientu związanych z implementacją różnych architektur. Tematyka kursu obejmuje: - konwolucyjne sieci neuronowe i ich zastosowania, - rekurencyjne sieci neuronowe, sieci typu LSTM (Long-Short Term Memory), - uczenie ze wzmocnieniem (Reinforcement Learning), - modele generatywne.
Wymagania wstępne:
brak wymagań.
Literatura podstawowa:
(brak informacji)
Efekt modułowy Kody efektów kierunkowych do których odnosi się efekt modułowy [stopień realizacji: skala 1-5]
Potrafi ocenić przydatność różnych paradygmatów i metod uczenia maszynowego oraz związanych z nimi środowisk programistycznych do rozwiązywania różnego typu praktycznych problemów koncepcyjnych i technicznych. [GUM-U_3]
 K_2_A_I_U15 [1/5] K_2_A_I_U17 [3/5]
Potrafi samodzielnie zaprojektować i wytrenować sieć neuronową do zadanego problemu. [GUM-U_4]
 K_2_A_I_U17 [4/5]
Potrafi oszacować ilość obliczeń i wybrać stosowane oprogramowanie do zadanego problemu. [GUM-U_5]
 K_2_A_I_W07 [1/5] K_2_A_I_U15 [1/5] K_2_A_I_U18 [1/5] K_2_A_I_U22 [1/5]
Ma pogłębioną wiedzę o współczesnych metodach sztucznej inteligencji. [GUM-W_1]
 K_2_A_I_W18 [2/5]
Zna wybrane architektury sieci neuronowych. [GUM-W_2]
 K_2_A_I_W08 [2/5]
Typ Opis Kody efektów modułowych do których odnosi się sposób weryfikacji
Kolokwium z zadań lub projekt [GUM_w_1]
kolokwium z zadań lub projekt sprawdzający umiejętność praktycznego zastosowania poznanych metod lub modeli.
 GUM-U_3 GUM-U_4 GUM-U_5
Kolokwium [GUM_w_2]
weryfikacja umiejętności na podstawie analizy rozwiązań zadań z kolokwium.
 GUM-W_1 GUM-W_2
Rodzaj prowadzonych zajęć Praca własna studenta Sposoby weryfikacji
Typ Opis (z uwzględnieniem metod dydaktycznych) Liczba godzin Opis Liczba godzin
wykład [GUM_fs_1]
wykład, z wykorzystaniem pomocy audiowizualnych, prezentujący pojęcia i fakty z zakresu treści programowych wymienionych w opisie modułu i ilustrujący je licznymi przykładami.
15
samodzielne studiowanie wykładów i wskazanej w sylabusie literatury pomocniczej.
15 Kolokwium [GUM_w_2]
laboratorium [GUM_fs_2]
praca w laboratorium z wykorzystaniem komputera w oparciu o otwarte środowiska programistyczne.
 45
praca własna z wykorzystaniem ogólnodostępnego oprogramowania, doskonalenie umiejętności zdobytych podczas zajęć.
 15 Kolokwium z zadań lub projekt [GUM_w_1]
Załączniki
Opis modułu (PDF)
Informacje o sylabusach mogą ulec zmianie w trakcie trwania studiów.
Sylabusy (USOSweb)
Semestr Moduł Język wykładowy
(brak danych)