Uniwersytet w Białymstoku - Centralny System Uwierzytelniania
Strona główna

Uczenie maszynowe w Pythonie

Informacje ogólne

Kod przedmiotu: 420-ES1-3UMP
Kod Erasmus / ISCED: 11.303 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. / (0612) Database and network design and administration Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Uczenie maszynowe w Pythonie
Jednostka: Instytut Informatyki
Grupy:
Punkty ECTS i inne: 5.00 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: polski
Rodzaj przedmiotu:

obowiązkowe

Założenia (opisowo):

Założeniem kursu jest zapoznanie studentów z algorytmami uczenia maszynowego mającymi obecnie bardzo szerokie zastosowanie w praktycznej analizie różnych zbiorów danych. Celem końcowym kursu jest nabycie przez studenta umiejętności wyboru odpowiednich metod uczenia maszynowego w zależności od praktycznego problemu. Umiejętność odkrywania wzorców oraz reguł ukrytych w danych. Użycie metod uczenia maszynowego jako wsparcie w procesie wspomagania decyzji biznesowych. Wdrożenie wybranego modelu, algorytmu w celu rozwiązania postawionego problemu. Po tym kursie student będzie posiadał umiejętność wykorzystania bibliotek języka Python do analizy różnych zbiorów danych.

Skrócony opis:

Podstawowe pojęcia uczenia maszynowego. Podstawy uczenia nadzorowanego i nienadzorowanego. Przegląd metod grupowania obiektów. Przegląd metod

klasyfikacji. Zastosowanie wybranych metod grupowania obiektów do analizy danych ekonomicznych w języku Python. Zastosowanie wybranych metod klasyfikacji do analizy danych ekonomicznych w języku Python. Metody walidacji modeli. Metody wyboru zmiennych do konstrukcji modeli.

Pełny opis:

Profil studiów: ogólnoakademicki

Forma studiów: stacjonarne / niestacjonarne

Rodzaj przedmiotu: obowiązkowy

Dziedzina i dyscyplina nauki: Informatyka

Rok studiów / semestr: 3 / 5

Wykład: 30 Laboratorium: 30

Metody dydaktyczne: wykłady, ćwiczenia laboratoryjne, konsultacje, praca nad projektem, praca nad wystąpieniem, praca nad literaturą, rozwiązywanie zadań domowych, dyskusje w grupach problemowych

Sposoby weryfikacji: egzamin; sprawozdanie z ćwiczeń laboratoryjnych, obserwacja ciągła aktywności studenta

Punkty ECTS: 5,0

Bilans nakładu pracy studenta:

Udział w zajęciach:

- wykład 30h

- laboratorium 30h

Przygotowanie do zajęć:

- wykład 15h

- laboratorium 15h

Zapoznanie z literaturą: 8h

Przygotowanie do egzaminu: 15h

Czas trwania egzaminu: 2h

Udział w konsultacjach: 3h

Wskaźniki ilościowe:

wymagających bezpośredniego udziału nauczycieli akademickich lub innych osób prowadzących zajęcia: 2,6 ECTS

z zakresu nauk podstawowych właściwych dla danego kierunku studiów, do których odnoszą się efekty uczenia się dla danego kierunku, poziomu i profilu kształcenia: 5,0 ECTS

zajęcia kształtujące umiejętności praktyczne/zajęcia związane z prowadzoną w uczelni działalnością naukową w dyscyplinie/dyscyplinach do których przyporządkowany jest kierunek studiów: 5,0 ECTS

Literatura:

1. M. Szeliga, Data science i uczenie maszynowe, Wydawnictwo naukowe PWN, Warszawa, 2017.

2. T. Morzy, Eksploracja danych – metody i algorytmy, Wydawnictwo naukowe PWN, Warszawa, 2013.

3. Christopher M. Bishop Pattern Recognition and Machine Learning, Springer, 2007

4. J. Koronacki, J. Ćwik: Statystyczne systemy uczące się. Wydanie drugie, EXIT, Warszawa, 2007

Efekty uczenia się:

WIEDZA, absolwent zna i rozumie:

pojęcie algorytmu, zasady ich projektowania i analizy oraz posiada wiedzę o podstawowych strukturach danych - KA6_WG1,

podstawowe pojęcia z dziedziny uczenia maszynowego – reprezentacja cech, klasyfikacja, uczenie pod nadzorem i bez nadzoru; zna wybrane metody wyboru istotnych cech, metody grupowania obiektów oraz metody klasyfikacji - KA6_WG7,

podstawowe zagadnienia w dziedzinie sztucznej inteligencji, reprezentacji i przetwarzania wiedzy, komunikacji człowiek-komputer - KA6_WG9,

UMIEJĘTNOŚCI, absolwent potrafi:

konfigurować wybrane aplikacje, usługi i serwery sieciowe oraz tworzyć

proste strony WWW w wybranych technologiach - KA6_UW5,

zastosować metody wyboru istotnych cech, metody grupowania obiektów oraz metody klasyfikacji do analizy danych ekonomicznych - KA6_UW10,

posługiwać się wzorcami projektowymi, posługiwać się API oraz wykorzystać narzędzia wspomagające proces tworzenia, testowania i debugowania oprogramowania - KA6_UW11,

rozumie potrzebę uczenia się przez całe życie - KA6_UU1,

rozumie potrzebę podnoszenia kompetencji zawodowych i osobistych -KA6_UU2

Metody i kryteria oceniania:

Ogólna forma zaliczenia: zaliczenie na ocenę

Zajęcia w cyklu "Rok akademicki 2021/22" (zakończony)

Okres: 2021-10-01 - 2022-06-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Wojciech Lesiński
Prowadzący grup: Wojciech Lesiński
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Laboratorium - Zaliczenie na ocenę
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 USOSweb 6.8.1.0 (2022-12-09)