Metody sztucznej inteligencji i uczenie maszynowe [W4-MN-MT-S2-2-19-08]
semestr zimowy 2020/2021
Laboratorium,
grupa nr 1
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:
|
|||||||||||||||||||||||||||||||||||
Terminy najbliższych spotkań:
Kliknij w datę by zobaczyć tygodniowy plan z zaznaczonym spotkaniem. |
Wszystkie zajęcia tej grupy już się odbyły - pokaż terminy wszystkich spotkań.
|
||||||||||||||||||||||||||||||||||
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 |
Właścicielem praw autorskich jest Uniwersytet Ślaski w Katowicach.