Obóz wstępny – wprowadzenie do uczenia maszynowego

monograficzne

Celem przedmiotu jest przedstawienie słuchaczom wspólnej bazy pojęć z zakresu podstaw uczenia maszynowego potrzebnych do zrozumienia współczesnych, zaawansowanych metod uczenia maszynowego oraz wpojenie warsztatu programistycznego potrzebnego do sprawnego posługiwania się nimi.

Wykład będzie miał formę intensywnego kursu prowadzonego przez pierwsze dwa tygodnie pierwszego semestru. Na zajęciach poruszane będą następujące tematy:

1. Funkcja celu, podział test vs walidacja

2. Inżynieria cech

3. Przeuczanie, regularyzacja

4. Wprowadzenie do zagadnień regresji liniowej i logistycznej

5. Algorytm k najbliższych sąsiadów

6. Eksploracja i wizualizacja danych. Histogram, wizualizacja funkcji gęstości, wykres pudełkowy.

1. Trevor Hastie, Robert Tibshirani, Jerome H., The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, Berlin

2. Andrew Ng, Machine Learning Yearning, https://www.deeplearning.ai/machine-learning-yearning/

Wiedza: student zna i rozumie

* w uporządkowany i podbudowany teoretycznie sposób wiedzę w zakresie podstawowych technik uczenia maszynowego oraz metodologii konstruowania i prowadzenia badań z tego zakresu [K_W06].

Umiejętności: student potrafi

* zaplanować i przeprowadzić badanie własności rozwiązań z zakresu uczenia maszynowego z użyciem podstawowych jego technik [K_U08];

* zwizualizować wyniki badań z zakresu uczenia maszynowego [K_U09].

Kompetencje społeczne: student jest gotów do

* krytycznej oceny posiadanej wiedzy i odbieranych treści [K_K01];

* uznawania znaczenia wiedzy w rozwiązywaniu problemów poznawczych i praktycznych oraz zasięgania opinii ekspertów w przypadku trudności z samodzielnym rozwiązaniem problemu [K_K02].

Kolokwium i mały projekt programistyczny na ocenę