Przedmioty w rejestracji Rejestracja na przedmioty obowiązkowe dla kierunku Machine Learning z semestru letniego 2025/26 1000-2025L-ML
|
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.
- nie jesteś zalogowany 
- aktualnie nie możesz się rejestrować 
- możesz się zarejestrować 
- możesz się wyrejestrować (lub wycofać prośbę) 
- złożyłeś prośbę o zarejestrowanie (i nie możesz jej już wycofać) 
- jesteś pomyślnie zarejestrowany (i nie możesz się wyrejestrować)
Kliknij na ikonę "i" przy koszyku, aby uzyskać dodatkowe informacje.
2025L - Semestr letni 2025/26 (zajęcia mogą być semestralne, trymestralne lub roczne) |
Opcje | ||||
|---|---|---|---|---|---|
| 2025L | |||||
| 1000-318bNLP |
 
 
|
Zajęcia przedmiotu
Semestr letni 2025/26
Grupy przedmiotu
Skrócony opis
Celem przedmiotu jest zapoznanie studentów z teorią, metodyk, zasobami i narzędziami przetwarzania języka naturalnego. Wykłady dotyczą tematów związanych z lingwistyką komputerową (analiza morfologiczna, syntaktyczna i semantyczna), ekstrakcją informacji, klasyfikacją tekstów oraz automatycznym streszczaniem dokumentów. Na przedmiocie będziemy omawiali narzędzia i problemy związane z językami angielskim i polskim. Pomocna będzie znajomość teorii gramatyk formalnych i technik uczenia maszynowego. |
|
||
| 1000-318bRL |
|
Zajęcia przedmiotu
Semestr letni 2025/26
Grupy przedmiotu
Skrócony opis
Celem przedmiotu jest przedstawienie współczesnych technik oraz algorytmów uczenia ze wzmocnieniem ze szczególnym uwzględnieniem metod bezmodelowych, metod z użyciem modelu oraz metod opartych o przeszukiwanie. |
|
||
| 1000-318bVR |
|
Zajęcia przedmiotu
Semestr letni 2025/26
Grupy przedmiotu
- Przedmioty kierunkowe na studiach drugiego stopnia na kierunku bioinformatyka (Wydział Matematyki, Informatyki i Mechaniki)
Skrócony opis
Celem przedmiotu jest przedstawienie architektur głębokiego uczenia, technik implementacji, trenowania i debuggowania własnych sieci neuronowych przeznaczonych do rozpoznawania obrazów. Studenci zdobędą wiedzę teoretyczną, informacje na temat współczesnych badań w tej dziedzinie oraz praktyczne umiejętności związane z rozpoznawaniem obrazów. |
|
||
| 1000-319bEML |
|
Zajęcia przedmiotu
Semestr letni 2025/26
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. |
|
||
