Wybrane metody uczenia maszynowego - p.fakultatywny

matematyka

zaawansowany

wpisz symbol/symbole efektów kształcenia

Analiza matematyczna I, algebra, prawdopodobieństwo i statystyka, programowanie strukturalne, współczesne technologie analizy danych

Celem przedmiotu jest przekazanie wiedzy i umiejętności z zakresu zaawansowanej analizy danych oraz podstaw uczenia maszynowego, w tym sieci neuronowych. Na zajęciach studenci zostaną zapoznani z zaawansowanymi 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 zaawansowanymi bibliotekami oraz frameworkami w językach R i Python służących do analizy danych w nauce i biznesie.

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.