Uniwersytet Warszawski, Wydział Nauk Ekonomicznych - Centralny System Uwierzytelniania
Strona główna

Predictive modeling and machine learning

Informacje ogólne

Kod przedmiotu: 2400-SU2TS59
Kod Erasmus / ISCED: 14.3 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. / (0311) Ekonomia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Predictive modeling and machine learning
Jednostka: Wydział Nauk Ekonomicznych
Grupy:
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: angielski
Rodzaj przedmiotu:

seminaria magisterskie

Skrócony opis:

In this seminar students will work, under supervision, on master thesis in the field of machine learning and predictive modeling.

Participants will get to know current state of research in machine learning – methodology, tools and most recent literature.

During the seminar all students will set a hypothesis and research plan for their master thesis.

* The date of meetings may change during the semester

Pełny opis:

In this seminar students will work, under supervision, on master thesis in the field of machine learning and predictive modeling.

Participants will get to know current state of research in machine learning – methodology, tools and most recent literature.

The subject of students’ thesis will be set in the field of machine learning, for example:

- methods of model optimization and parameter tuning

- efficiency us state of the art model implementations

- optimal model specification and and design (for instance neural networks architecture in business problems domain)

This seminar is for students who are passionate in machine learning, aspiring to career in academia and are willing to devote time and resources to write a master thesis at the highest level.

During the seminar all students will set a hypothesis and research plan for their master thesis.

* The date of meetings may change during the semester.

Literatura:

Harrington, Peter. Machine learning in action. Vol. 5. Greenwich, CT: Manning, 2012.

Friedman, Jerome, Trevor Hastie, and Robert Tibshirani. "The Elements of Statistical Learning: Data Mining, Inference, and Prediction." Springer Series in Statistics ( (2009).

Efekty uczenia się:

KW01, KW02, KW03, KU01, KU02, KU03, KK01, KK02, KK03

Metody i kryteria oceniania:

Students will be assessed by continuous evaluation of their work and progress. In every semester student must achieve a substantial milestone in their work (literature review, written and testes code base, empirical results etc.)

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 Warszawski, Wydział Nauk Ekonomicznych.
ul. Długa 44/50
00-241 Warszawa
tel: +48 22 55 49 126 https://www.wne.uw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.3.0 (2024-03-22)