Uczenie maszynowe

2022L

Kod przedmiotu17N2-UCZM
Punkty ECTS 2,5
Typ zajęć Ćwiczenia laboratoryjne
Wykład
Przedmioty wprowadzająceWstęp do programowania, Sztuczna inteligencja
Wymagania wstępneWiedza z podstaw programowania
Opis ćwiczeńPraktyczne zastosowania algorytmów uczenia maszynowego w modelach z różnych dziedzin z wykorzystaniem języków programowania Python, R i NET.
Opis wykładówWprowadzenie do uczenia maszynowego. Podstawowe założenia dotyczące nauki o danych. Klasyfikacja podstawowych metod uczenia maszynowego. Wprowadzenie do sztucznych sieci neuronowych. Metody uczenia z nadzorem i bez nadzoru. Zbiory danych treningowych i testowych. Algorytmy analizy skupień: grupowanie hierarchiczne, metoda K-means. Metody redukcji wymiaru: analiza składowych głównych. Algorytmy klasyfikacyjne: LDA, drzewa decyzyjne, k najbliższych sąsiadów, sieć bayesowska. Ocena jakości modeli klasyfikacyjnych: macierz błędów, krzywa ROC, dokładność klasyfikacji, walidacja krzyżowa. Algorytmy łączone: metody boosting i bagging, lasy losowe. W kierunku Deep Learning: Rekursywne i konwolucyjne sieci neuronowe.
Cel kształceniaCelem kursu jest zapoznanie studentów z algorytmami uczenia maszynowego, które są obecnie bardzo szeroko stosowane w praktycznej analizie zbiorów danych. Po zakończeniu kursu student powinien umieć dobrać odpowiednie metody uczenia maszynowego w zależności od problemu praktycznego. Umiejętność odkrywania wzorców i reguł ukrytych w danych. Wykorzystanie metod uczenia maszynowego jako wsparcia w procesie wspomagania decyzji biznesowych Po tym kursie student będzie posiadał umiejętność wykorzystania popularnych wśród data scientists języków programowania i jego bibliotek uczenia maszynowego, do rozwiązywania konkretnych problemów analizy danych.
Literatura podstawowa
Literatura uzupełniająca1) Bonaccorso G. , wyd. Packt. Helion, Algorytmy uczenia maszynowego. Zaawansowane techniki implementacji, 2019r., tom 2) Harrison M. , wyd. O’Reilly, Helion, Uczenie maszynowe w Pythonie. Leksykon kieszonkowy. , 2020r., tom
Uwagi-