Uniwersytet Ślaski w Katowicach - Centralny System Uwierzytelniania
Strona główna

Metody sztucznej inteligencji i uczenie maszynowe [W4-MN-MT-S2-2-19-08] semestr zimowy 2020/2021
Laboratorium, grupa nr 1

Przejdź do planu zaznaczono terminy wyświetlanej grupy
To jest strona grupy zajęciowej. Jeśli szukasz opisu przedmiotu, zobacz stronę przedmiotu
Przedmiot: Metody sztucznej inteligencji i uczenie maszynowe [W4-MN-MT-S2-2-19-08]
Zajęcia: semestr zimowy 2020/2021 [2020/2021Z] (zakończony)
Laboratorium [L], grupa nr 1 [pozostałe grupy]
Termin i miejsce: Podana informacja o terminie jest orientacyjna. W celu uzyskania pewnej informacji obejrzyj kalendarz roku akademickiego lub skontaktuj się z wykładowcą (nieregularności zdarzają się przede wszystkim w przypadku zajęć odbywających się rzadziej niż co tydzień).
każdy czwartek, 11:30 - 13:00
sala Zajęcia zdalne
Zdalny jaki jest adres?
Terminy najbliższych spotkań: Daty odbywania się zajęć grupy. Prezentują informacje na podstawie zdefiniowanych w USOS terminów oraz spotkań.
Kliknij w datę by zobaczyć tygodniowy plan z zaznaczonym spotkaniem.
Wszystkie zajęcia tej grupy już się odbyły - pokaż terminy wszystkich spotkań.
Data i miejsceProwadzący
Liczba osób w grupie: 2
Limit miejsc: 10
Prowadzący: Katarzyna Schmidt
Strona domowa grupy: https://classroom.google.com/c/MzAzOTU3NTMxODla?cjc=e2ldjyr
Literatura:

„Machine Learning Lecture Notes”, [online], Andrew Ng [dostęp październik 2019] http://cs229.stanford.edu/notes/

„Machine Learning Course” [online], Andrew Ng [dostęp październik

2019] https://www.youtube.com/playlist?list=PLLssT5z_DsK-h9vYZkQkYNWcItqhlRJLN

Machine Learning - complete course notes - Alex Holehouse [online],

Alex Holehouse [dostęp październik 2019]

https://www.holehouse.org/mlclass/

Sebastian Raschka, „Python Uczenie maszynowe”, Helion 2018

S. J. Russel and Peter Notvig, „Artificial Intelligence. A modern

Approach”, Pearson Education, 2010

Zakres tematów:

1. Regresja liniowa jednej zmiennej.

2. Regresja liniowa wielu zmiennych, równania normalne.

3. Regresja logistyczna binarna i wieloklasowa.

4. Sieci neuronowe.

5. Clastrowanie: K-means.

6. Redukcja wymiarów: PCA.

Metody dydaktyczne:

Typ zajęć: zdalne synchroniczne

Link do zajęć: https://classroom.google.com/c/MzAzOTU3NTMxODla?cjc=e2ldjyr

Klucz do zajęć: e2ldjyr

Link do Google Meet: https://meet.google.com/lookup/evcxynjvia

Studenci na każdych zajęciach otrzymują notatnik Jupytera i wykonują polecenia zawarte w notatniku. Notatnik odsyłają na platformę e-learningową. Za każde prawidłowo wykonanie zadanie otrzymują odpowiednią ilość punktów.

Metody i kryteria oceniania:

Suma punktów: za zadania wykonane na ćwiczeniach, za kolokwium oraz projekt dają 100% punktów.

30% - 60% dst

61%-70% dst+

71% - 80% db

81% - 90% db+

91% - 100% bdb

Uwagi:

Studenci 2 sem. II st. Mikro i Nanotechnologii spec. mikrotechnologia

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Ślaski w Katowicach.
kontakt deklaracja dostępności USOSweb 7.0.3.0 (2024-03-22)