Cloud technologies
General data
Course ID: | 1000-2M19TCH |
Erasmus code / ISCED: |
11.3
|
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
|
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 |
Navigate to timetable
MO TU W WYK
LAB
TH FR |
Type of class: |
Lab, 30 hours
Lecture, 30 hours
|
|
Coordinators: | Michał Sierakowski | |
Group instructors: | Michał Sierakowski | |
Students list: | (inaccessible to you) | |
Examination: |
Course -
Examination
Lecture - Examination |
Copyright by University of Warsaw.