Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie - Centralny System Uwierzytelniania
Strona główna

S: Zastosowanie sztucznych sieci neuronowych

Informacje ogólne

Kod przedmiotu: WF-R-PS-SZS
Kod Erasmus / ISCED: 14.41 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0313) Psychologia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: S: Zastosowanie sztucznych sieci neuronowych
Jednostka: Instytut Psychologii
Grupy: Grupa przedmiotów ogólnouczelnianych - Doktoranci
Przedmioty dla doktorantów psychologii
Seminaria tematyczne z psychologii
Punkty ECTS i inne: (brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Poziom przedmiotu:

średnio-zaawansowany

Symbol/Symbole kierunkowe efektów uczenia się:

SD_ PS _W01

SD_ PS _W03

SD_ PS _U02

SD_ PS _U03

SD_ PS _K02

P8S_WG;

P8S_WK


Skrócony opis:

Kurs poświęcony jest podstawowym informacjom dotyczącym sztucznych sieci neuronowych. Studenci zapoznają się rodzajami sieci, sposobem uczenia się sieci oraz sposobem dokonywanych przez nie predykcji.

Podczas kursu poruszana jest problematyka trafności sieci i porównanie jej rozwiązania z innymi modelami predykcyjnymi. Wykonując ćwiczenia studenci uczą się dokonywania analiz przy pomocy różnego rodzaju sztucznych sieci neuronowych.

Pełny opis:

1. Wprowadzenie do pakietu Data Miner programu Statistica

2. Budowa i interpretacja rozwiązania regresyjnej sztucznej sieci neuronowej

3. Budowa i interpretacja rozwiązania klasyfikacyjnej sieci neuronowej

4. Łączenie rozwiązania algorytmów text mining ze sztucznymi sieciami neuronowymi

5. Łączenie w analizie układów równań strukturalnych i sztucznych sieci neuronowych

6. Sztuczne sieci neuronowe a inne modele predykcyjne

7. Sztuczne sieci neuronowe a inne modele predykcyjne

Literatura:

Elder, J., Hill, T., Miner, G., Nisbet, B., Delen, D., & Fast, A. (2012). Practical Text Mining and Statistical Analysis for Nono-structured Text Data Application. Oxford: Elsevier.

Nisbet, R., Elder, J., & Miner, G. (2009). Handbook of statistical analysis and data mining applications. Burlington, MA: Academic Press (Elsevier).

Efekty kształcenia i opis ECTS:

Wiedza - student posiada podstawową wiedzę dotyczącą sztucznych sieci neuronowych, ich struktury, sposobów uczenia się, rodzajów.

Kompetencje i umiejętności - student umie liczyć oraz interpretować wyniki sztucznych sieci neuronowych.

ECTS:

udział w zajęciach - 15 godzin

przygotowanie do zajęć– 15 godzin

LICZBA ECTS – 1

Metody i kryteria oceniania:

raport z analizy danych przy pomocy sztucznych sieci neuronowych

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie.
ul. Dewajtis 5,
01-815 Warszawa
tel: +48 22 561 88 00 https://uksw.edu.pl
kontakt deklaracja dostępności USOSweb 7.0.3.0-1 (2024-04-02)