(in Polish) Wybrane zagadnienia kombinatoryki

General data

Course ID:	1000-2M22WZK
Erasmus code / ISCED:	11.3 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 The ISCED (International Standard Classification of Education) code has been designed by UNESCO.
Course title:	(unknown)
Name in Polish:	Wybrane zagadnienia kombinatoryki
Organizational unit:	Faculty of Mathematics, Informatics, and Mechanics
Course groups:	(in Polish) Przedmioty obieralne na studiach drugiego stopnia na kierunku bioinformatyka Elective courses for Computer Science
ECTS credit allocation (and other scores):	(not available) Basic information on ECTS credits allocation principles: the annual hourly workload of the student’s work required to achieve the expected learning outcomes for a given stage is 1500-1800h, corresponding to 60 ECTS; the student’s weekly hourly workload is 45 h; 1 ECTS point corresponds to 25-30 hours of student work needed to achieve the assumed learning outcomes; weekly student workload necessary to achieve the assumed learning outcomes allows to obtain 1.5 ECTS; work required to pass the course, which has been assigned 3 ECTS, constitutes 10% of the semester student load. view allocation of credits
Language:	English
Main fields of studies for MISMaP:	computer science
Type of course:	elective monographs
Short description:	(in Polish) Będziemy omawiać różne zagadnienia kombinatoryczne. W szczególności, omówimy podstawowe wyniki teorii uczenia maszynowego oraz teorii Vapnika-Chervonenkisa, a także wyniki dotyczące rodzin zbiorów (set systems). Wyniki te są fundamentalne zarówno w teorii uczenia maszynowego, jak i w kombinatoryce geometrycznej i geometrii obliczeniowej, a także mają związek z innymi dziedzinami matematyki i informatyki, m.in. logiką i teorią grafów. Będziemy również omawiać inne ważne wyniki w kombinatoryce (w szczególności, lemat Szemerediego o regularności) i twierdzenie Erdosa-Hajnala.
Full description:	(in Polish) Tematy: kombinatoryka rodzin zbiorów, wymiar Vapnika-Chervonenkisa, lemat Sauer-Perles-Shelah (2 wykłady), twierdzenie Vapnika-Chervonenkisa, zasadnicze twierdzenie uczenia maszynowego, twierdzenie o ε-sieciach dla wymiaru Vapnika-Chervonenkisa (2 wykłady) twierdzenie Hausslera (1 wykład) sample compression schemes (1 wykład) własność Helly’ego, (p,q)-twierdzenie (1 wykład) twierdzenie Szemerédi-Trotter (1 wykład) twierdzenie Szemerediego o regularności, triangle removal lemma, Roth's Theorem (2 wykłady) twierdzenie Lovasz-Szegedy dla VC (1 wykład) twierdzenie Erdosa-Hajnala oraz silna własność Erdosa-Hajnala (1 wykład)
Bibliography:	(in Polish) Lectures in Discrete Geometry, Jiri Matousek Geometric Discrepancy, Jiri Matousek Combinatorial Geometry Janos Pach i Pankaj Agarwal, Topics in Combinatorics, Artem Chernikov Understanding Machine Learning: From Theory to Algorithms, Shai Shalev-Shwartz i Shai Ben-David
Learning outcomes:	(in Polish) * Student ma pogłebioną wiedzę z zakresu matematyki dyskretnej (K_W01). Umiejętności: student potrafi konstruować rozumowania matematyczne Kompetencje społeczne: student jest gotów do krytycznej oceny posiadanej wiedzy i odbieranych treści
Assessment methods and assessment criteria:	(in Polish) ocena będzie wypadkową ocen z prac domowych, testów domowych, oraz z egzaminu ustnego (dla wybranych osób). Kryteria oceny będą różne dla studentów różnych etapów studiów.

This course is not currently offered.

Course descriptions are protected by copyright.
Copyright by University of Warsaw.