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

Uczenie maszynowe

Informacje ogólne

Kod przedmiotu: 1000-5D17UM
Kod Erasmus / ISCED: 11.413 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. / (0613) Tworzenie i analiza oprogramowania i aplikacji Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Uczenie maszynowe
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Seminaria magisterskie dla Machine Learning
Seminaria magisterskie na informatyce
Seminaria magisterskie na matematyce
Punkty ECTS i inne: 6.00 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:

Seminarium dotyczy szeroko rozumianej tematyki uczenia maszynowego, w tym:

* wstępnego przetwarzania i eksploracji danych,

* konstrukcji modeli statystycznych,

* zagadnienia wyboru cech i wyboru modelu,

* algorytmicznych aspektów dopasowania modelu,

* oceny skuteczności modeli predykcyjnych oraz diagnostyka struktury modeli.

Pełny opis:

Przykładowe tematy mieszczące się w zakresie seminarium:

* głębokie sieci neuronowe,

* metody oparte na drzewach decyzyjnych,

* metody oparte na modelach linowych oraz regularyzacji,

* uczenie przez wzmacnianie (ang. reinforcement learning),

* konstrukcja komitetów modeli decyzyjnych (ang. bagging, boosting, stacking),

* inżynieria cech,

* metody wysokowymiarowe,

* modele generatywne, w tym modelowanie języka,

* uczenie maszynowe w robotyce,

* zastosowania modeli uczenia maszynowego w problemach z innych dziedzin,

* uczenie rozproszone.

Literatura:

Literatura zostanie podana na pierwszych zajęciach.

Efekty uczenia się:

Wiedza:

1. Zna szeroki wachlarz nowoczesnych metod uczenia maszynowego

2. Zna szeroki wachlarz modeli matematycznych związanych z uczeniem maszynowym.

Umiejętności

1. Ma pogłębioną umiejętność przygotowania wystąpień ustnych, w języku polskim i języku obcym, w zakresie informatyki lub w obszarze leżącym na pograniczu różnych dyscyplin naukowych (K_U11).

2. Potrafi opisywać wybrane problemy informatyczne i ich rozwiązania w sposób zrozumiały dla nieinformatyka; potrafi przygotować prezentację (artykuł) z użyciem narzędzi informatycznych (K_U12).

3. Potrafi przygotować (także w języku angielskim) opracowanie naukowe z wybranej dziedziny informatyki (K_U13).

4. Ma umiejętności językowe w zakresie informatyki zgodne z wymaganiami określonymi dla poziomu B2+ Europejskiego Systemu Opisu Kształcenia Językowego (K_U14).

5. Potrafi określić kierunki dalszego uczenia się i zrealizować proces samokształcenia (K_U15).

Kompetencje

1. Zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego kształcenia, w tym zdobywania wiedzy pozadziedzinowej (K_K01).

2. Potrafi precyzyjnie formułować pytania, służące pogłębieniu własnego zrozumienia danego tematu (w szczególności w kontaktach z nieinformatykiem) lub odnalezieniu brakujących elementów rozumowania (K_K02).

3. Potrafi pracować zespołowo, w tym w zespołach interdyscyplinarnych; rozumie konieczność systematycznej pracy nad wszelkimi projektami, które mają długofalowy charakter (K_K03).

4. Potrafi formułować opinie na temat podstawowych zagadnień informatycznych (K_K06).

5. Rozumie potrzebę systematycznego zapoznawania się z czasopismami naukowymi i popularnonaukowymi w celu poszerzania i pogłębiania wiedzy (K_K08).

Metody i kryteria oceniania:

Aktywne uczestnictwo w seminarium i wygłoszenie referatu.

Zajęcia w cyklu "Rok akademicki 2023/24" (zakończony)

Okres: 2023-10-01 - 2024-06-16
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Seminarium magisterskie, 60 godzin więcej informacji
Koordynatorzy: Przemysław Biecek, Łukasz Kuciński, Marcin Mucha
Prowadzący grup: Przemysław Biecek, Łukasz Kuciński, Marcin Mucha
Lista studentów: (nie masz dostępu)
Zaliczenie: Zaliczenie

Zajęcia w cyklu "Rok akademicki 2024/25" (w trakcie)

Okres: 2024-10-01 - 2025-06-08
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Seminarium magisterskie, 60 godzin więcej informacji
Koordynatorzy: Łukasz Kuciński, Marcin Mucha
Prowadzący grup: Łukasz Kuciński, Marcin Mucha
Lista studentów: (nie masz dostępu)
Zaliczenie: Zaliczenie
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 mapa serwisu USOSweb 7.1.1.0-2 (2024-11-25)