University of Warsaw - Central Authentication System

Cloud technologies

General data

Course ID:	1000-2M19TCH
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:	Cloud technologies
Name in Polish:	Chmura w uczeniu maszynowym
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 Elective courses for Machine Learning
ECTS credit allocation (and other scores):	6.00 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
Type of course:	elective monographs
Mode:	Blended learning
Short description:	(in Polish) Program obejmuje dwa obszary zastosowań informatyki będące obecnie w kręgu głównych zainteresowań biznesu z uwagi na oferowane lub spodziewane źródła przewagi konkurencyjnej: chmurę obliczeniową i uczenie maszynowe. Ujęcie zagadnień z zachowaniem podejścia, w którym środowiska chmurowe (głównie typu IaaS i PaaS) są przede wszystkim kontekstem wykonawczym pozwoli skupić się słuchaczom na rozwiązywaniu konkretnych problemów manifestując tym samym podejście pragmatyczne. Całości towarzyszy wspólna praca wraz z partnerem biznesowym nad projektem integrującym tematy z zakresu programu przedmiotu, którego wykonanie jest wymaganym elementem uzyskania oceny. Wybór konkretnych zagadnień wykładu zależy od scenariuszy przedstawionych przez partnera biznesowego, lecz będzie obejmować co najmniej modelowanie matematyczne, szeregi czasowe i techniki przetwarzania języka naturalnego (NLP).
Full description:	(in Polish) Zajęcia podzielone są na dwie grupy: wykłady i laboratoria oraz seminaria (w drugiej części semestru) w trakcie, których uczestnicy będą prezentowali postępy prac w ramach własnych projektów. Tematy zajęć wykładowych i laboratoryjnych: 1. Wstęp: cele kształcenia, środowiska i narzędzia pracy. 2. Chmura obliczeniowa (IaaS/PaaS): wirtualizacja sprzętowa i programowa, model chmury hybrydowej z wyszczególnieniem roli warstw infrastruktury, zarządzania, usług i integracji, standaryzacja i migracja procesów, katalog usług, automatyczna skalowalność, rozwiązania klastrowe, funkcje chmurowe. 3. Przegląd usług z zakresu uczenia maszynowego dostępnych w formie usług (SaaS). 4. Metody statystyczne i sieci neuronowe w analizie szeregów czasowych. 5. Przetwarzanie języka naturalnego (tokenizacja, osadzanie słów, analiza morfologiczna, zastosowania metod zespołowych, płytkie i głębokie sieci neuronowe). algorytmów i narzędzi uczenia maszynowego, usługi sztucznej inteligencji w chmurze, sieci neuronowe, przetwarzanie języka naturalnego, wizualizacja wyników analizy danych. 6. Modele bezpieczeństwa chmury obliczeniowej.
Bibliography:	I. Białynicki-Birula, I.Białynicka-Birula, Modelowanie rzeczywistości – jak w komputerze postrzega się świat, Wydawnictwo WNT, Warszawa 2013 N.Gift, AI. Podejście pragmatyczne. Wprowadzenie do uczenia maszynowego opartegona chmurze, APN Promise, Warszawa 2019 S.Jansen, Machine Learning for Algorithmic Trading - Second Edition, Packt Publishing, Birmingham-Mumbai, 2020 C.Rossant, Ipython Interactive Computing and Visualization Cookbook - Second Edition, Packt Publishing, Birmingham-Mumbai, 2018
Learning outcomes:	1. Understands and knows how to design and launch services in the public cloud according to the assumed requirements. 2. Understand the basic techniques of machine learning: can implement image processing algorithms (classification and detection), data analysis (NumPy, Pandas, Scikit-Learn), building chatbots (IBM Watson Assistant). 3. Understands basic terms and mechanisms related to cybersecurity. 4. Can build a blockchain network using functions implemented in hardware in CryptoExpress7S cards
Assessment methods and assessment criteria:	Final grade on the basis of points from individual tasks / tests (30%) and evaluation of the programming project (70%).

Classes in period "Summer semester 2023/24" (in progress)

Time span:	2024-02-19 - 2024-06-16	Selected timetable range: weekly course term Navigate to timetable MO TU W WYK LAB TH FR
Type of class:	Lab, 30 hours more information Lecture, 30 hours more information
Coordinators:	Michał Sierakowski
Group instructors:	Michał Sierakowski
Students list:	(inaccessible to you)
Examination:	Course - Examination Lecture - Examination

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