Data Science - Machine Learning - zajęcia fakultatywne WM-MA-S1-DS
Celem przedmiotu jest zapoznanie studentów z podstawami analizy danych, uczenia maszynowego oraz sztucznej inteligencji. Przedmiot przedstawia metody pozyskiwania, przetwarzania, eksploracji i modelowania danych oraz ukazuje rolę matematyki i metod obliczeniowych we współczesnej nauce, gospodarce i technologii.
W trakcie zajęć omawiane są zagadnienia związane z przygotowaniem danych, wizualizacją i eksploracją danych, modelami regresji i klasyfikacji, walidacją modeli, optymalizacją hiperparametrów, redukcją wymiarów oraz metodami uczenia nienadzorowanego. Przedstawiane są również podstawy sztucznych sieci neuronowych, przetwarzania języka naturalnego oraz współczesnych dużych modeli językowych.
Dyscyplina naukowa, do której odnoszą się efekty uczenia się
Grupa przedmiotów ogólnouczenianych
Koordynatorzy przedmiotu
Opis nakładu pracy studenta w ECTS
Poziom przedmiotu
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Wymagania wstępne
Efekty uczenia się
KONWERSATORIUM
Student:
W1 - wyjaśnia znaczenie metod analizy danych, uczenia maszynowego i sztucznej inteligencji we współczesnej nauce, technice i życiu społecznym (MA1_W01),
W2 - charakteryzuje podstawowe metody modelowania danych, w szczególności metody regresji, klasyfikacji, grupowania i redukcji wymiarów oraz wyjaśnia zasady ich działania (MA1_W04),
W3 - wyjaśnia podstawowe założenia i ograniczenia modeli uczenia maszynowego oraz interpretuje wyniki ich działania (MA1_W04).
LABORATORIUM
Student:
K1 - identyfikuje ograniczenia własnej wiedzy w zakresie analizy danych i uczenia maszynowego oraz podejmuje działania służące jej systematycznemu poszerzaniu (MA1_K01),
K2 - formułuje pytania dotyczące poprawności, interpretacji i zastosowań modeli analizy danych oraz uczenia maszynowego (MA1_K02),
K3 - wyraża i uzasadnia opinie dotyczące zastosowań, możliwości i ograniczeń metod analizy danych, sztucznej inteligencji i uczenia maszynowego (MA1_K07).
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.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: