Cel kształcenia i wykaz literatury

Główny cel kształcenia: Przedstawienie wiedzy teoretycznej i praktyczniej z zakresu uczenia maszynowego.

Ogólne informacje o zajęciach: Przedstawienie podstawowych zagadnień i metod uczenia maszynowego wykorzystywanych do rozwiązywania problemów klasyfikacji, regresji i grupowania.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Bishop C.M	Pattern Recognition and Machine Learning	Springer.	2006
2	Ferreira C.	Gene expression programming	Springer-Verlag.	2006
3	Vapnik V.	The nature of statistical learning theory	Springer, New York..	1995

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Aurelien G.	Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow	Gliwice, Helion.	2020
2	Harrison M.	Uczenie maszynowe w Pythonie : leksykon kieszonkowy	Gliwice, Helion..	2020

Literatura do samodzielnego studiowania

1	Ankur P. A.	Praktyczne uczenie nienadzorowane przy użyciu języka Python : jak budować użytkowe rozwiązania	Warszawa, APN PROMISE.	2020
2	Albon C.	Uczenie maszynowe w Pythonie : receptury	Gliwice, Helion.	2019

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Wpis na właściwy semestr studiów podyplomowych.

Wymagania wstępne w kategorii Wiedzy: Podstawowa wiedza z zakresu matematyki pozwalająca na formułowanie i rozwiązywanie zadań programistycznych.

Wymagania wstępne w kategorii Umiejętności: Ogólna umiejętność obsługi komputera i przeprowadzania prostych analiz logicznych oraz znajomość języka Python.

Wymagania wstępne w kategorii Kompetencji społecznych: Umiejętność pracy indywidualnej i w zespole, uczciwość.

Efekty kształcenia dla zajęć

MEK	Student, który zaliczył zajęcia	Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia	Metody weryfikacji każdego z wymienionych efektów kształcenia	Związki z KEK	Związki z PRK
01	Potrafi wyjaśnić podstawowe pojęcia z zakresu uczenia maszynowego, przedstawić wybrane jej gałęzie i zastosowania.	wykład, laboratorium	zaliczenie cz. ustna, prezentacja projektu	K_W01+++ K_K01++	P7S_KK P7S_WG
02	Potrafi wyjaśnić zagadnienia klasyfikacji, regresji i grupowania oraz zna podstawowe metody uczenia maszynowego wykorzystywane do rozwiązywania tych problemów.	wykład, laboratorium	zaliczenie cz. ustna, prezentacja projektu	K_W01+++ K_U03+++ K_K02++	P7S_KO P7S_UW P7S_WG
03	Rozumie cel stosowania metod uczenia maszynowego, jest świadomy uzyskiwanych korzyści z ich wykorzystywania oraz ich ograniczeń.	wykład, laboratorium	zaliczenie cz. ustna, prezentacja projektu	K_K01++ K_K03++	P7S_KK P7S_KR

Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
2	TK01	Wstęp do sztucznej inteligencji.	W01	MEK01 MEK03
2	TK02	Przetwarzanie wstępne danych wykorzystywanych jako zbiory uczące, testowe i walidacyjne.	W01, L01 - L02	MEK01 MEK02 MEK03
2	TK03	Wybrane metody uczenia maszynowego w zastosowaniu do rozwiązania problemu klasyfikacji.	W02 - W04, L03 - L06	MEK01 MEK02 MEK03
2	TK04	Wybrane metody uczenia maszynowego w zastosowaniu do rozwiązanie problemu regresji.	W05 - W06, L07 - L11	MEK01 MEK02 MEK03
2	TK05	Wybrane metody uczenia maszynowego w zastosowaniu do rozwiązania problemu grupowania.	W07, L12- L15	MEK01 MEK02 MEK03

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 2)		Godziny kontaktowe: 15.00 godz./sem.	Uzupełnienie/studiowanie notatek: 10.00 godz./sem. Studiowanie zalecanej literatury: 12.00 godz./sem.
Laboratorium (sem. 2)	Przygotowanie do laboratorium: 8.00 godz./sem.	Godziny kontaktowe: 30.00 godz./sem.	Inne: 15.00 godz./sem.
Konsultacje (sem. 2)	Przygotowanie do konsultacji: 2.00 godz./sem.	Udział w konsultacjach: 1.00 godz./sem.
Zaliczenie (sem. 2)	Przygotowanie do zaliczenia: 6.00 godz./sem.	Zaliczenie ustne: 1.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Ocena z zaliczenia ustnego MEK01 - MEK03
Laboratorium	Ocena projektu uwzględniającego MEK01-MEK03.
Ocena końcowa	Ocena końcowa = średnia ze wszystkich uzyskanych ocen, o ile każda z tych ocen jest pozytywna

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: nie