Uniwersytet w Białymstoku - Centralny System Uwierzytelniania
Strona główna

Techniki uczenia maszyn 400-IS1-3TUM
Projekt (PROJ) Rok akademicki 2021/22

Informacje o zajęciach (wspólne dla wszystkich grup)

Liczba godzin: 15
Limit miejsc: 99
Zaliczenie: Zaliczenie na ocenę
Literatura:

1. P. Cichosz: Systemy uczące się. Wydawnictwa Naukowo-Techniczne, 2001, 2007.

2. Frank E., Hall M.A, and Witten I.H: The WEKA Workbench, Online Appendix for

“Data Mining: Practical Machine Learning Tools and Techniques” Morgan Kaufmann, Fourth Edition, 2016. https://www.cs.waikato.ac.nz/ml/weka/Witten_et_al_2016_appendix.pdf

3. A. Géron: Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Hellion, 2020.

4. J. Grus: Data science od podstaw. Analiza danych w Pythonie. Hellion, 2020.

5. Muraszkiewicz M., Nowak R. (edytorzy): Sztuczna inteligencja dla inżynierów. Metody ogólne. Wydawnictwo Politechniki Warszawskiej, Warszawa 2022.

6. Biblioteki Weka, Scikit-learn, TensorFlow.

7. Pakiety języka R (m.in. rpart, e1071, ReinforcementLearning, RWeka).

8. Pakiety języka Python (m.in. scikit-learn, gym).

Efekty uczenia się:

Absolwent:

WIEDZA

KP6_WG5 - zna zasady logicznej organizacji, kolekcjonowania i przechowywania danych.

KP6_WG9 - zna podstawowe zagadnienia w dziedzinie sztucznej inteligencji, reprezentacji i przetwarzania wiedzy, komunikacji człowiek-komputer.

UMIEJĘTNOŚCI

KP6_UW1 - potrafi stosować pojęcia i metody algebry, analizy matematycznej, logiki i teorii mnogości, matematyki dyskretnej oraz statystyki do rozwiązywania zagadnień informatycznych.

KP6_UW2 - potrafi wykorzystać metody statystyczne do analizy danych.

KP6_UW3 - potrafi samodzielnie zaprojektować algorytmy realizujące wybrane zadania, potrafi przeprowadzić analizę złożoności danego algorytmu.

KP6_UW4 - potrafi wybrać odpowiedni paradygmat i język programowania do rozwiązania określonego typu zadań.

KP6_UW5 - potrafi implementować algorytmy stosując elementy wybranego języka programowania.

KP6_UW10 - potrafi rozwiązywać problemy wyrażone w języku naturalnym technikami sztucznej inteligencji oraz komunikacji człowiek-maszyna.

KP6_UK2 - potrafi przygotować opracowanie zagadnień informatycznych (w tym dokumentacji technicznej) w języku polskim i litewskim oraz zaprezentować je.

KP6_UK3 - potrafi samodzielnie opracować rozwiązanie zadanego zagadnienia informatycznego z pogranicza teorii i praktyki oraz przedstawić rozwiązanie i wnioski.

KP6_UO1- potrafi współpracować w grupie planując i realizując wspólne projekty, w tym kompleksowe projekty programistyczne.

KP6_UU1 – potrafi samodzielnie planować rozwój własny w zakresie podnoszenia swoich umiejętności i kwalifikacji.

KOMPETENCJE SPOŁECZNE

KP6_KK1 – jest gotów do starannego określania priorytetów i ustalania właściwej kolejności podejmowanych działań.

Metody i kryteria oceniania:

Przebieg pracy nad projektem i jego wyniki przestawiane są przez studenta w pisemnym sprawozdaniu. Ocena pracy studenta dokonuje się na podstawie: (i) przestawionego sprawozdania, (ii) prezentację sprawozdania przez studenta prowadzącemu zajęcia projektowe (ewentualnie z udziałem innych studentów), (iii) dyskusji treści sprawozdania z prowadzącym zajęcia projektowe. Jeśli w semestrze zostały wykonane dwa projekty, to ocena końcowa jest średnią arytmetyczną ocen obu projektów. Jeżeli w ocenie na miejscach po przecinku występuje 25 lub 75 o zaokrągleniu oceny w górę lub w dół do oceny 3; 3.5; 4; 4.5; 5 decyduje prowadzący zajęcia.

Zakres tematów:

Tematy projektów nawiązują do treści przedstawionych na wykładzie. Są to zadania wykorzystujące techniki uczenie nadzorowanego i nienadzorowanego. Przykładem jest napisanie w wybranym przez siebie języku programowania programu realizującego algorytm grupowania k-średnich oraz wykreślający „krzywą łokcia” i na wybranym przykładzie relatywnie dużego zbioru danych przetestowanie jego działanie, a następnie korzystając ze znanych repozytoriów programów (np. w systemie Weka) wybrać i wykonać program k-średnich pochodzący z tego repozytorium na wcześniej wybranym zbiorze danych i porównać wyniki otrzymane przez własny program z wynikami podanymi przez program z biblioteki. Projekty realizowane są indywidualnej, ewentualnie w przypadku bardziej złożonych projektów w 2 – 3 osobowych grupach.

Metody dydaktyczne:

Projekty realizowane są indywidualnej, ewentualnie w 2 – 3 osobowych grupach. Prace projektowe polegają na: (i) określeniu przez prowadzącego tematu projektu do wykonania wraz z wyjaśnieniami merytorycznymi i organizacyjnymi dotyczącymi jego realizacji, (ii) przypomnieniu przez prowadzącego zajęcia omawianych na wykładzie metod i algorytmów odnoszących się do sformułowanego zadania i dyskusji ze studentami na ten temat, (iii) realizację projektu przez studenta, (iv) przygotowanie sprawozdania pisemnego z realizacji projektu(ów) obejmującego opis zadania, jego wykonanie, wyniki i wnioski, (v) przedstawienie przez studenta sprawozdania prowadzącemu zajęcia, (vi) ocenie sprawozdania przez prowadzącego zajęcia. W trakcie semestru student realizuje jeden większy lub dwa mniejsze projekty.

Grupy zajęciowe

zobacz na planie zajęć

Grupa Termin(y) Prowadzący Miejsca Liczba osób w grupie / limit miejsc Akcje
1 wielokrotnie, poniedziałek (niestandardowa częstotliwość), 11:50 - 13:20, sala NZ-nauczanie zdalne
Mieczysław Muraszkiewicz 6/99 szczegóły
Wszystkie zajęcia odbywają się w budynku:
Budynek Wydziału Ekonomiczno-Informatycznego w Wilnie
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet w Białymstoku.
ul. Świerkowa 20B, 15-328 Białystok tel: +48 85 745 70 00 (Centrala) https://uwb.edu.pl kontakt deklaracja dostępności mapa serwisu USOSweb 7.0.4.0-4 (2024-07-15)