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

Uczenie maszynowe i sieci neuronowe

Informacje ogólne

Kod przedmiotu: WM-I-S1-E5-UMSN
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Uczenie maszynowe i sieci neuronowe
Jednostka: Wydział Matematyczno-Przyrodniczy. Szkoła Nauk Ścisłych
Grupy:
Punkty ECTS i inne: 0 LUB 6.00 (w zależności od programu) 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
Dyscyplina naukowa, do której odnoszą się efekty uczenia się:

informatyka techniczna i telekomunikacja

Poziom przedmiotu:

zaawansowany

Symbol/Symbole kierunkowe efektów uczenia się:

WYKŁAD I1_W14, I1_U18

LABORATORIA I1_W14, I1_U18

Wymagania wstępne:

Analiza matematyczna I, algebra liniowa, prawdopodobieństwo i statystyka, programowanie strukturalne

Pełny opis:

Celem przedmiotu jest przekazanie wiedzy i umiejętności z zakresu analizy danych oraz podstaw uczenia maszynowego, w tym sieci neuronowych. Na zajęciach studenci zostaną zapoznani z podstawowymi metodami analizy danych i modelami uczenia maszynowego w języku R i Python. Nabywają umiejętności: załadowania zbioru danych, zidentyfikowania jego wad oraz ich poprawy, dobrania odpowiedniego modelu oraz jego oceny. Zapoznają się również z popularnymi bibliotekami w językach R i Python służących do analizy danych.

Efekty kształcenia i opis ECTS:

wykład

W1 Student zna i rozumie teoretyczne i techniczne podstawy analizy danych oraz uczenia maszynowego, w tym sieci neuronowych, zna metody oceny jakość modeli (I1_W14).

U1 Student potrafi stosować w wybranej dziedzinie narzędzia i metody analizy danych oraz uczenia maszynowego, w tym sieci neuronowych, w języku R (I1_U18).

laboratoria

W1 Student zna i rozumie teoretyczne i techniczne podstawy analizy danych oraz uczenia maszynowego, w tym sieci neuronowych, potrafi oceniać jakość modeli(I1_W14).

U1 Student potrafi stosować w wybranej dziedzinie narzędzia i metody analizy danych oraz uczenia maszynowego, w tym sieci neuronowych, w języku R (I1_U18).

Metody i kryteria oceniania:

Dla wszystkich efektów przyjmuje się następujące kryteria oceny we wszystkich formach weryfikacji:

ocena 5: osiągnięty w pełni (bez uchwytnych niedociągnięć),

ocena 4,5: osiągnięty niemal w pełni i nie są spełnione kryteria przyznania wyższej oceny,

ocena 4: osiągnięty w znacznym stopniu i nie są spełnione kryteria przyznania wyższej oceny,

ocena 3,5: osiągnięty w znacznym stopniu –z wyraźną przewagą pozytywów –i nie są spełnione kryteria przyznania wyższej oceny,

ocena 3: osiągnięty dla większości przypadków objętych weryfikacją i nie są spełnione kryteria przyznania wyższej oceny,

ocena 2: nie został osiągnięty dla większości przypadków objętych weryfikacją.

Zajęcia w cyklu "Semestr zimowy 2021/22" (zakończony)

Okres: 2021-10-01 - 2022-01-31
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Robert Kłopotek
Prowadzący grup: Robert Kłopotek
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzaminacyjny
E-Learning:

E-Learning (pełny kurs) z podziałem na grupy

Zajęcia w cyklu "Semestr zimowy 2022/23" (zakończony)

Okres: 2022-10-01 - 2023-01-31
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Robert Kłopotek
Prowadzący grup: Robert Kłopotek
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzaminacyjny
E-Learning:

E-Learning (pełny kurs) z podziałem na grupy

Opis nakładu pracy studenta w ECTS:

WYKŁAD

Szacunkowy nakład pracy studenta:

- uczestnictwo w zajęciach: 30h,

- uczestnictwo w egzaminie: 3h,

- konsultacje z prowadzącym: 3h,

- przygotowanie do zajęć: 5h,

- przygotowanie do egzaminu: 35h,

razem 76h, co odpowiada 3 ECTS.


LABORATORIA:

Szacunkowy nakład pracy studenta:

- uczestnictwo w zajęciach: 30h,

- uczestnictwo w kolokwium: 2h,

- konsultacje z prowadzącym: 3h,

- przygotowanie do zajęć: 5h,

- przygotowanie projektu: 35h,

razem 76h, co odpowiada 3 ECTS.

Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)

Okres: 2023-10-01 - 2024-01-31
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Dorota Dąbrowska, Robert Kłopotek
Prowadzący grup: Robert Kłopotek
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzaminacyjny
E-Learning:

E-Learning (pełny kurs) z podziałem na grupy

Opis nakładu pracy studenta w ECTS:

WYKŁAD

Szacunkowy nakład pracy studenta:

- uczestnictwo w zajęciach: 30h,

- uczestnictwo w egzaminie: 3h,

- konsultacje z prowadzącym: 3h,

- przygotowanie do zajęć: 5h,

- przygotowanie do egzaminu: 35h,

razem 76h, co odpowiada 3 ECTS.


LABORATORIA:

Szacunkowy nakład pracy studenta:

- uczestnictwo w zajęciach: 30h,

- uczestnictwo w kolokwium: 2h,

- konsultacje z prowadzącym: 3h,

- przygotowanie do zajęć: 5h,

- przygotowanie projektu: 35h,

razem 76h, co odpowiada 3 ECTS.

Typ przedmiotu:

fakultatywny ograniczonego wyboru

Grupa przedmiotów ogólnouczenianych:

nie dotyczy

Zajęcia w cyklu "Semestr zimowy 2024/25" (jeszcze nie rozpoczęty)

Okres: 2024-10-01 - 2025-01-31
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzaminacyjny
E-Learning:

E-Learning

Typ przedmiotu:

obowiązkowy

Grupa przedmiotów ogólnouczenianych:

nie dotyczy

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 mapa serwisu USOSweb 7.0.4.0-1 (2024-05-13)