Introduction to Machine Learning
General data
Course ID: | 1000-214bWUM |
Erasmus code / ISCED: |
11.3
|
Course title: | Introduction to Machine Learning |
Name in Polish: | Wstęp do uczenia maszynowego |
Organizational unit: | Faculty of Mathematics, Informatics, and Mechanics |
Course groups: |
Obligatory courses for 2nd grade Computer Science |
ECTS credit allocation (and other scores): |
7.00
|
Language: | Polish |
Type of course: | obligatory courses |
Requirements: | Probability theory 1000-213bRP |
Short description: |
(in Polish) Wstęp do pojęć i narzędzi uczenia maszynowego. Estymacja parametrów i testowanie hipotez, podstawy teorii uczenia maszynowego, regresja liniowa, klasyfikacja, klastrowanie, maszyny wektorów wspierających. |
Full description: |
(in Polish) - Estymacja parametrów - Testowanie hipotez - p-wartości i testowanie wielu hipotez - Uczenie statystyczne - Regresja liniowa - Klasyfikacja - Metody repróbkowania, wybór modelu - Regularyzacja - Metody drzewiaste - Maszyny wektorów wspierających - Podstawy sieci neuronowych - Redukcja wymiaru - Klastrowanie |
Learning outcomes: |
(in Polish) Wiedza - absolwent zna i rozumie: - w zaawansowanym stopniu podstawowe pojęcia z zakresu a metod probabilistycznych i statystyki (ze szczególnym uwzględnieniem metod dyskretnych) (K_W01) - podstawowe pojęcia i techniki uczenia maszynowego (K_W13) Umiejętności - absolwent potrafi: - pozyskiwać informacje z literatury, baz wiedzy, Internetu oraz innych wiarygodnych źródeł, integrować je, dokonywać ich interpretacji oraz wyciągać wnioski i formułować opinie (K_U02), - samodzielnie planować i realizować własne uczenie się przez całe życie (K_U09), - wykonać analizę istniejących rozwiązań informatycznych, w szczególności: ocenić, na podstawowym poziomie, przydatność rutynowych metod i narzędzi informatycznych, wybrać i zastosować właściwą metodę i narzędzia do typowych zadań informatycznych, wykonać prostą analizę sposobu funkcjonowania systemu informatycznego i ocenić istniejące rozwiązania informatyczne, przynajmniej w odniesieniu do ich cech funkcjonalnych (K_U18), - stosować techniki nowoczesnej statystycznej analizy danych (K_U19) Kompetencje społeczne - absolwent jest gotów do: - krytycznej oceny posiadanej wiedzy i odbieranych treści (K_K01), - pracy z poszanowaniem uczciwości intelektualnej w działaniach własnych i innych osób; przestrzegania zasad etyki zawodowej i wymagania tego od innych oraz dbałości o dorobek i tradycje zawodu informatyka (K_K02), - uznawania znaczenia wiedzy w rozwiązywaniu problemów poznawczych i praktycznych oraz wyszukiwania informacji w literaturze oraz zasięgania opinii ekspertów (K_K03) |
Classes in period "Summer semester 2023/24" (in progress)
Time span: | 2024-02-19 - 2024-06-16 |
Navigate to timetable
MO TU WYK
LAB
LAB
LAB
W LAB
LAB
TH LAB
FR LAB
LAB
LAB
LAB
LAB
|
Type of class: |
Lab, 30 hours
Lecture, 30 hours
|
|
Coordinators: | Jacek Sroka, Bartosz Wilczyński | |
Group instructors: | Dorota Celińska-Kopczyńska, Krzysztof Gogolewski, Bartłomiej Krzepkowski, Kazimierz Oksza-Orzechowski, Maciej Skórski, Jacek Sroka, Michał Startek, Bartosz Wilczyński | |
Students list: | (inaccessible to you) | |
Examination: | Examination | |
Notes: |
(in Polish) W roku ak. 2023/24 studenci III roku Informatyki mogą wybrać ten przedmiot jako przedmiot obieralny. |
Classes in period "Summer semester 2024/25" (future)
Time span: | 2025-02-17 - 2025-06-08 |
Navigate to timetable
MO TU W TH FR |
Type of class: |
Lab, 30 hours
Lecture, 30 hours
|
|
Coordinators: | Bartosz Wilczyński | |
Group instructors: | Krzysztof Gogolewski, Aleksander Jankowski, Wanda Niemyska, Kazimierz Oksza-Orzechowski, Jacek Sroka, Michał Startek, Bartosz Wilczyński | |
Students list: | (inaccessible to you) | |
Examination: | Examination | |
Notes: |
(in Polish) W roku ak. 2023/24 studenci III roku Informatyki mogą wybrać ten przedmiot jako przedmiot obieralny. |
Copyright by University of Warsaw.