S: Zastosowanie sztucznych sieci neuronowych
Informacje ogólne
Kod przedmiotu: | WF-R-PS-SZS |
Kod Erasmus / ISCED: |
14.41
|
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)
|
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 |
Właścicielem praw autorskich jest Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie.