Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

M'AI: Dynamika kolektywna

Informacje ogólne

Kod przedmiotu: 1000-1M22MDK
Kod Erasmus / ISCED: 11.1 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. / (0541) Matematyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: M'AI: Dynamika kolektywna
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Przedmioty monograficzne dla matematyki 2 stopnia
Przedmioty obieralne na studiach drugiego stopnia na kierunku bioinformatyka
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:

monograficzne

Założenia (lista przedmiotów):

Równania różniczkowe zwyczajne (potok 1) 1000-114bRRZa
Równania różniczkowe zwyczajne z laboratorium 1000-114bRRZIb

Założenia (opisowo):

Uczestnik powinien znać podstawowe pojęcia i metody równań różniczkowych zwyczajnych.

Skrócony opis:

Wykład ma na celu pokazać w jaki sposób uczenie maszynowe może być stosowane celem lepszego zrozumienia zachowań kolektywnych opisywanych równaniami zwyczajnymi.

Wykład prowadzony we współpracy z dr. Jackiem Cyranką z Instytutu Informatyki oraz prof. Piotrem Muchą z Instytutu Matematyki Stosowanej i Mechaniki.

Pełny opis:

Wykład ma na celu zapoznanie uczestników z podstawowymi modelami pochodzącymi z dynamiki kolektywnej oraz z metodami ich symulacji komputerowych. Szczególny nacisk jest położony na wyprowadzanie modeli za pomocą optymalizacji numerycznej opartej na uczeniu maszynowym. Innymi słowy, mając zadaną ogólną tendencję zachowania grupy agentów, szukamy lokalnej zasady oddziaływania między nimi, prowadzącej do zachowań zgodnych z zadaną tendencją. Dodatkowo do wykładu prowadzone będą ćwiczenia z podstaw Pythona ukierunkowane na uczenie maszynowe. Część wykładu będzie przebiegać w formie warsztatów.

Część I: Modele dynamiki kolektywnej.

Co to jest dynamika kolektywna. Przykłady modeli (stada ptaków, ławice ryb, autonomiczne drony). Zagadnienie konsensusu liniowego; jego stabilność i asymptotyka. Narzędzie do rozwiązywania numerycznego układów równań pierwszego i drugiego rzędu.

Część II: Uczenie maszynowe, a dynamika kolektywna.

Wprowadzenie do uczenia maszynowego. Uczenie maszynowe a metoda gradientu prostego. Wyprowadzanie oddziaływań w dynamice kolektywnej w oparciu o uczenie maszynowe.

Ze względu na otwarty charakter poruszanych problemów w naturalny sposób znajdziemy tu zagadnienia mogące być podstawą licencjatu czy pracy magisterskiej.

Zapraszamy wszystkich zainteresowanych na poziomie licencjackim, magisterskim i doktoranckim.

Literatura:

Literatura:

* ''Active Particles'' vol. I, vol II Bellomo, Degond, Tadmor

* ''Reinforcement Learning'' Sutton, Barto

* ''Deep Learning'' Bengio, Courville , Goodfellow

Metody i kryteria oceniania:

Projekt zaliczeniowy oraz aktywność na zajęciach. W rzadkich przypadkach może być dodatkowo egzamin ustny umożliwiający poprawę oceny.

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.
ul. Banacha 2
02-097 Warszawa
tel: +48 22 55 44 214 https://www.mimuw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.3.0-2b06adb1e (2024-03-27)