Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Przedmioty obieralne dla Machine Learning (grupa przedmiotów zdefiniowana przez Wydział Matematyki, Informatyki i Mechaniki)

Jednostka: Wydział Matematyki, Informatyki i Mechaniki Zestaw przedmiotów, który widzisz poniżej został zdefiniowany przez tę jednostkę. Jednostka ta nie musi mieć jednak związku z organizacją wymienionych przedmiotów (jednostką odpowiedzialną za organizację przedmiotu jest jednostka wymieniona w odpowiedniej kolumnie w tabeli poniżej). Więcej o tym przeczytasz w Pomocy.
Grupa przedmiotów: Przedmioty obieralne dla Machine Learning
wybierz inną grupę zobacz plany zajęć tej grupy
Filtry
Zaloguj się, aby uzyskać dostęp do dodatkowych opcji

Konkretniej - pokazuj tylko te przedmioty, dla których istnieje otwarta rejestracja taka, że możesz w jej ramach zarejestrować się na przedmiot.

Dodatkowo pokazywane są również te przedmioty, na które jesteś już zarejestrowany (lub składałeś prośbę o zarejestrowanie).

Jeśli chcesz zmienić te ustawienia na stałe, edytuj swoje preferencje w menu Mój USOSweb.
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.
niedostępny (zaloguj się!) - nie jesteś zalogowany
niedostępny - aktualnie nie możesz się rejestrować
zarejestruj - możesz się zarejestrować
wyrejestruj - możesz się wyrejestrować (lub wycofać prośbę)
prośba - złożyłeś prośbę o zarejestrowanie (i nie możesz jej już wycofać)
zarejestrowany - jesteś pomyślnie zarejestrowany (i nie możesz się wyrejestrować)
Kliknij na ikonę "i" przy koszyku, aby uzyskać dodatkowe informacje.

2023Z - Semestr zimowy 2023/24
2023L - Semestr letni 2023/24
2024Z - Semestr zimowy 2024/25
2024L - Semestr letni 2024/25
(zajęcia mogą być semestralne, trymestralne lub roczne)
Opcje
2023Z 2023L 2024Z 2024L
1000-2M19TCH brak brak brak
Zajęcia przedmiotu
Semestr letni 2023/24
  • Laboratorium - 30 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

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).

Strona przedmiotu
1000-2M23DE brak brak brak
Zajęcia przedmiotu
Semestr zimowy 2023/24
  • Laboratorium - 30 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Overview of the data processing pipeline; collection and storage of raw data; processing, cleaning, and storage of processed data; scaling tools for the data processing system.

Strona przedmiotu
1000-2M03DM brak brak
Zajęcia przedmiotu
Semestr letni 2023/24
  • Laboratorium - 30 godzin
  • Wykład - 30 godzin
Semestr letni 2024/25
  • Laboratorium - 30 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Przedstawienie głównych zagadnień w dziedzinie eksploracji danych (data mining) i metod ich rozwiązywania; omówienia podstawowych algorytmów i ich efektywnych realizacji na dużych zbiorach danych dla trudnych problemów takich, jak reguły asocjacyjne, redukty, dyskretyzacja atrybutów ciągłych, wzorce czasowe, drzewo decyzyjne; przedstawienie nowoczesnych technik obliczeń takich, jak równoległe przetwarzania, obliczenia ewolucyjne, heurystyki za pomocą standardowych baz danych lub logicznie zbudowanych struktur danych.

Strona przedmiotu
1000-2M23DLS brak brak brak
Zajęcia przedmiotu
Semestr letni 2023/24
  • Laboratorium - 30 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis
Nie podano opisu skróconego, przejdź do strony przedmiotu aby uzyskać więcej danych.
Strona przedmiotu
1000-2M13DZD brak brak
Zajęcia przedmiotu
Semestr zimowy 2023/24
  • Ćwiczenia - 30 godzin
  • Wykład - 30 godzin
Semestr zimowy 2024/25
  • Ćwiczenia - 30 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Przedmiot ugruntowuje teoretyczną i praktyczną wiedzę z zakresu metod uczenia maszynowego i eksploracji danych, pod kątem zastosowań związanych z dużymi, heterogenicznymi, rozproszonymi i dynamicznie przyrastającymi źródłami danych. Omawiana jest problematyka zapewnienia wystarczającej wiarygodności i jakości danych celem uczenia skutecznych modeli klasyfikacji, predykcji itd., jak i utrzymania skuteczności takich modeli jako składowych większych systemów informatycznych. Odwołujemy się do szerokiego zakresu praktycznych form i źródeł danych, w szczególności danych generowanych maszynowo. Omawiamy szeroki zakres praktycznych celów stawianych metodom uczenia maszynowego i eksploracji danych, jak np. wykrywanie anomalii lub podobnych przypadków. Dyskutujemy na praktycznych przykładach pełen cykl życia danych i informacji w systemach przetwarzania i analizy danych, z uwzględnieniem odpowiednio w nie wkomponowanych rozwiązań bazujących na uczeniu maszynowym i eksploracji danych.

Strona przedmiotu
1000-2M21IUM brak brak
Zajęcia przedmiotu
Semestr letni 2023/24
  • Laboratorium - 30 godzin
  • Wykład - 30 godzin
Semestr letni 2024/25
  • Laboratorium - 30 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

W czasie zajęć przedstawione zostaną techniki interaktywnej eksploracji danych i konstruowania modeli uczenia maszynowego. W szczególności, omówione zostaną techniki aktywnego uczenia oraz wizualnej eksploracji danych.

Strona przedmiotu
1000-2M20IRIO brak brak
Zajęcia przedmiotu
Semestr zimowy 2023/24
  • Laboratorium - 30 godzin
  • Wykład - 30 godzin
Semestr zimowy 2024/25
  • Laboratorium - 30 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Przedmiot to spojrzenie z perspektywy inżyniera na tworzenie złożonego ekosystemu serwisów które składają się na publiczną chmurę obliczeniową. Infrastruktura chmury to złożony system rozproszony z wyjątkowymi wymaganiami: wysokiej niezawodności, ogromnej skali i pracujący w wielowarstwowym oprogramowaniu. Pokażemy, jak te wymagania wpływają na kluczowe zagadnienia projektowania (komunikacja, skalowalność, alokacja zasobów, zarządzanie danymi) i inżynierii niezawodności (monitorowanie i testowanie). Kurs prowadzony będzie przez inżynierów Google’a pracujących na co dzień przy projektowaniu, wdrażaniu i utrzymywaniu infrastruktury chmury. Naszym celem nie jest nauczenie konkretnych technologii chmurowych, a raczej fundamentalnych zasad projektowania systemów rozproszonych wielkiej skali. Planujemy ilustrować te zasady na przykładach systemów, nad którymi pracowali wykładowcy.

Strona przedmiotu
1000-2M22OW brak brak brak
Zajęcia przedmiotu
Semestr letni 2023/24
  • Laboratorium - 30 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

This is an introduction to convex optimization, giving an overview of the landscape of convex optimization problems, and covering the most important convex optimization algorithms and lower bounds, as well as convex modelling techniques. The lab sessions cover convex modelling using modern software and implementation of selected convex optimization algorithms.

Strona przedmiotu
1000-2M21PRS brak brak brak
Zajęcia przedmiotu
Semestr letni 2023/24
  • Laboratorium - 30 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Przedmiot porusza tematykę problemów i zagadnień występujących przy realizacji systemów rozproszonych o bardzo dużej skali i jest oparty na doświadczeniach z rzeczywistej implementacji takiego systemu. Omówimy praktyczne aspekty budowy systemów o wysokiej przepustowości, procesujących petabajty danych dziennie w rozproszonych geograficznie centrach danych. Poruszymy typowe problemy oraz rozważymy decyzje związane z utrzymaniem i rozwojem takich systemów. Przyjrzymy się technikom efektywnej wymiany danych pomiędzy komponentami systemu, zagadnieniom związanym z przechowywaniem oraz procesowaniem dużej ilości danych. Zajmiemy się także praktycznymi aspektami organizacji infrastruktury wspomagającej uczenie maszynowe w realiach systemów o dużej skali.

Strona przedmiotu
1000-2M14TGS brak brak
Zajęcia przedmiotu
Semestr letni 2023/24
  • Ćwiczenia - 30 godzin
  • Wykład - 30 godzin
Semestr zimowy 2024/25
  • Ćwiczenia - 30 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Jeśli interesuje Państwa poznanie metod modelowania i analizy sieci społecznych, w tym serwisów społecznościowych takich jak Facebook, zapraszam na zajęcia.

Metody analizy sieci społecznych to zbiór teorii, technik i narzędzi służących do badania złożonych współzależności w grupie (społeczeństwie, społeczności, w firmie, w stadzie, itp.)

Istotą analizy sieciowej jest próba zrozumienia zachowania zbiorowości jako całości poprzez analizę siędzi powiązań pomiędzy jednostkami zbiorowości. Dziedzina ta leży na styku wielu dyscyplin (matematyki, sociologi, antropologi, statystyki, ekonomii, itp.), tym nie mniej to właśnie teoria gier oferuję najciekawsze narzędzia do analizy sieci społecznych i to przy jej użyciu osiąga się najważniejsze obecnie wyniki.

Strona przedmiotu
Krakowskie Przedmieście 26/28
00-927 Warszawa
tel: +48 22 55 20 000 https://uw.edu.pl/
kontakt deklaracja dostępności mapa serwisu USOSweb 7.0.4.0-3 (2024-06-10)