Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Przedmioty obowiązkowe dla II roku Machine Learning (grupa przedmiotów zdefiniowana przez Wydział Matematyki, Informatyki i Mechaniki)

Jednostka: Wydział Matematyki, Informatyki i Mechaniki Zestaw przedmiotów, który widzisz poniżej został zdefiniowany przez tę jednostkę. Jednostka ta nie musi mieć jednak związku z organizacją wymienionych przedmiotów (jednostką odpowiedzialną za organizację przedmiotu jest jednostka wymieniona w odpowiedniej kolumnie w tabeli poniżej). Więcej o tym przeczytasz w Pomocy.
Grupa przedmiotów: Przedmioty obowiązkowe dla II roku Machine Learning
wybierz inną grupę zobacz plany zajęć tej grupy
Filtry
Zaloguj się, aby uzyskać dostęp do dodatkowych opcji

Konkretniej - pokazuj tylko te przedmioty, dla których istnieje otwarta rejestracja taka, że możesz w jej ramach zarejestrować się na przedmiot.

Dodatkowo pokazywane są również te przedmioty, na które jesteś już zarejestrowany (lub składałeś prośbę o zarejestrowanie).

Jeśli chcesz zmienić te ustawienia na stałe, edytuj swoje preferencje w menu Mój USOSweb.
Legenda
Jeśli przedmiot jest prowadzony w danym cyklu dydaktycznym, to w odpowiedniej komórce pojawi się koszyk rejestracyjny. Ikona koszyka zależy od tego, czy możesz się rejestrować na dany przedmiot.
niedostępny (zaloguj się!) - nie jesteś zalogowany
niedostępny - aktualnie nie możesz się rejestrować
zarejestruj - możesz się zarejestrować
wyrejestruj - możesz się wyrejestrować (lub wycofać prośbę)
prośba - złożyłeś prośbę o zarejestrowanie (i nie możesz jej już wycofać)
zarejestrowany - jesteś pomyślnie zarejestrowany (i nie możesz się wyrejestrować)
Kliknij na ikonę "i" przy koszyku, aby uzyskać dodatkowe informacje.

2023Z - Semestr zimowy 2023/24
2023 - Rok akademicki 2023/24
(zajęcia mogą być semestralne, trymestralne lub roczne)
Opcje
2023Z 2023
1000-319bBML brak
Zajęcia przedmiotu
Semestr zimowy 2023/24
  • Laboratorium - 30 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Celem zajęć jest prezentacja techniki i narzędzia przetwarzania dużych zbiorów danych (ang. Big data) stosowanych przy uczeniu maszynowym. Przedstawimy najważniejsze modele i podstawowe techniki algorytmiczne dla nich. Omówimy metody analizy algorytmów rozpraszających obliczenia na klastrach. Przestawimy optymalizacje stosowane przy rozpraszaniu typowych algorytmów uczenia maszynowego jak regresja liniowa, klastrowanie, drzewa decyzyjne czy sieci neuronowe.

Strona przedmiotu
1000-319bEML brak
Zajęcia przedmiotu
Semestr zimowy 2023/24
  • Ćwiczenia - 30 godzin
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Grupy przedmiotu

Skrócony opis

Celem przedmiotu jest Poznanie zagadnień, metod oraz technik wyjaśniania złożonych modeli uczenia maszynowego. Modele predykcyjne są coraz bardziej złożone, komitety drzew, głębokie sieci neuronowe to modele o tysiącach parametrów. Dla modeli o takiej wymiarowości łatwo stracić kontrolę nad tym czego model się wyuczył.

Podczas tego przedmiotu omówimy narzędzia do analizy struktury modelu traktowanego jako czarna skrzynka, oraz do analizy predykcji z tego modelu. Pozwoli to na zwiększenie zaufania do modelu, poprawę skuteczności modelu, oraz możliwość wyciągnięcia użytecznej wiedzy z modelu. Poznamy najpopularniejsze metody wyjaśnień, przedyskutujemy ich silne i słabe strony tak by uczestnik zajęć miał niezbędne kompetencje do dalszego zgłębiania literatury z tego obszaru.

Strona przedmiotu
1000-319bINT brak
Zajęcia przedmiotu
Rok akademicki 2023/24
  • Praktyka - 30 godzin
Grupy przedmiotu

Skrócony opis

Obowiązkowe praktyki zawodowe dla studentów kierunku machine learning.

Strona przedmiotu
1000-319bTML brak
Zajęcia przedmiotu
Rok akademicki 2023/24
  • Laboratorium - 60 godzin
Grupy przedmiotu

Skrócony opis

Podczas przedmiotu realizowane są przedsięwzięcia o charakterze naukowym lub wdrożeniowym. Pierwsze zajęcia poświęcone są na prezentacje tematów a następnie następuje podział na zespoły (od 2 do 4 osób) i przydział tematów.

W trakcie każdego semestru zespół przygotowuje trzy prezentacje na temat postępów.

Na ocenę z przedmiotu ma wpływ opinia opiekuna projektu, a także efekt końcowy w postaci raportu, manuskryptu bądź repozytorium.

Strona przedmiotu
ul. Banacha 2
02-097 Warszawa
tel: +48 22 55 44 214 https://www.mimuw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.1.0-03d50b88b (2024-02-19)