Politechnika Warszawska - Centralny System Uwierzytelniania
Strona główna

Uczenie maszynowe

Informacje ogólne

Kod przedmiotu: 103A-INSZI-ISP-UMA
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Uczenie maszynowe
Jednostka: Wydział Elektroniki i Technik Informacyjnych
Grupy: ( Przedmioty obieralne - Informatyka techniczna )-Cyberbezpieczeństwo-inż.-EITI
( Przedmioty obieralne )-Automatyka i robotyka-inż.-EITI
( Przedmioty obieralne )-Cyberbezpieczeństwo-inż.-EITI
( Przedmioty podstawowe )-Sztuczna inteligencja-mgr.-EITI
( Przedmioty techniczne )---EITI
( Sztuczna inteligencja )-Sztuczna inteligencja-inż.-EITI
Punkty ECTS i inne: 4.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Jednostka decyzyjna:

103000 - Wydział Elektroniki i Technik Informacyjnych

Kod wydziałowy:

UMA

Numer wersji:

1

Skrócony opis:

Celem przedmiotu jest zapoznanie studentów z elementami teorii oraz podstawowymi algorytmami uczenia maszynowego, w celu przygotowania do ich stosowania i implementowania, a także do głębszego zapoznania się z tą tematyką w ramach oferowanych przedmiotów obieralnych. Dzięki ograniczeniu zakresu przedmiotu do najważniejszych wyników teoretycznych oraz algorytmów stosunkowo prostych koncepcyjnie i implementacyjne mogą być one prezentowane szczegółowo i przystępnie. Aby ułatwić pełne i poprawne zrozumienie omawianych na wykładzie zagadnień teoretycznych oraz mechanizmów działania algorytmów, są one ilustrowane przykładami. Projekt daje okazję do zdobycia doświadczeń praktycznych w zakresie implementowania i stosowania algorytmów uczenia się.

Pełny opis:

Celem przedmiotu jest zapoznanie studentów z elementami teorii oraz podstawowymi algorytmami uczenia maszynowego. Jest to wiodący obszar badań naukowych w zakresie sztucznej inteligencji, a opracowane w wyniku tych badań algorytmy znajdują liczne zastosowania praktyczne. Przegląd wybranych algorytmów uczenia się, poprzedzony dyskusją podstaw teoretycznych niezbędnych do zrozumienia ich możliwości i ograniczeń, przygotowuje studentów do ich stosowania i implementowania, a także do głębszego zapoznania się z tą tematyką w ramach oferowanych przedmiotów obieralnych.


Dzięki ograniczeniu zakresu przedmiotu do najważniejszych wyników teoretycznych oraz algorytmów stosunkowo prostych koncepcyjnie i implementacyjne mogą być one prezentowane szczegółowo i przystępnie. Aby ułatwić pełne i poprawne zrozumienie omawianych na wykładzie zagadnień teoretycznych oraz mechanizmów działania algorytmów, są one ilustrowane przykładami. Wykład jest prowadzony z wykorzystaniem metody interaktywnego nauczania (interactive classroom teaching), przez angażowanie studentów w dyskusję i stymulowanie ich aktywnego udziału w analizowaniu właściwości omawianych algorytmów oraz śledzeniu przykładów ich działania. Projekt daje okazję do zdobycia doświadczeń praktycznych w zakresie implementowania i stosowania algorytmów uczenia się.



Treść wykładu

  1. Wprowadzenie do uczenia się (2 godz.)
    Definicja uczenia się; wnioskowanie indukcyjne; rodzaje uczenia się; przykłady zastosowań systemów uczących się; zadanie uczenia się pojęć (klasyfikacji); błąd hipotezy; nadmierne dopasowanie; obciążenie indukcyjne.
  2. Podstawy obliczeniowej teorii uczenia się (4 godz.)
    Model PAC; przestrzeń wersji; spójne i agnostyczne uczenie się; wymiar VC; model ograniczania pomyłek; praktyczne wnioski z teorii.
  3. Przeszukiwanie przestrzeni wersji (2 godz.)
    Częściowy porządek przestrzeni hipotez; ograniczenie ogólne i szczegółowe przestrzeni wersji; algorytm eliminacji kandydatów; generalizacja i specjalizacja hipotez; algorytm połowienia.
  4. Indukcja zbiorów reguł (4 godz.)
    Reprezentacja hipotez za pomocą zbiorów reguł; sekwencyjne pokrywanie; mechanizmy specjalizacji warunków reguł; ocena jakości warunków reguł; unikanie nadmiernego dopasowania.
  5. Indukcja drzew decyzyjnych (4 godz.)
    Reprezentacja hipotez za pomocą drzew; zstępująca budowa drzewa; kryteria stopu i wyboru podziału; unikanie nadmiernego dopasowania.
  6. Klasyfikatory liniowe (2 godz.)
    Reprezentacja hipotez za pomocą modelu liniowego; liniowa separowalność; wyznaczanie liniowej granicy decyzyjnej.
  7. Ocena jakości klasyfikatorów (2 godz.)
    Macierz pomyłek; wskaźniki jakości oparte na macierzy pomyłek; analiza ROC; walidacja krzyżowa.
  8. Uczenie się języków regularnych (2 godz.)
    Reprezentacja hipotez za pomocą automatów skończonych; zapytania o przynależność i równoważność; algorytm L*; sekwencje sprowadzające.
  9. Uczenie się ze wzmocnieniem (4 godz.)
    Scenariusz uczenia się na podstawie nagród; procesy decyzyjne Markowa; strategie i funkcje wartości; uczenie się funkcji wartości i funkcji wartości akcji; reprezentacja funkcji wartości; strategie eksploracji.
  10. Zastosowania (2 godz.)
    Wybrane przykłady praktycznych zastosowań algorytmów uczenia maszynowego.


    1. Zakres projektu
      Celem jest samodzielne zastosowanie metod z obszaru uczenia maszynowego w praktyce. Projekt realizowany w zespołach 2-osobowych będzie swoim zakresem obejmować:
      1. eksperymenty z użyciem dostępnych bibliotek dostarczających implementacji algorytmów uczenia maszynowego,
      2. samodzielną implementację lub modyfikację dostępnej implementacji algorytmu uczenia maszynowego i badanie jego właściwości,
      3. zadania wymagające doboru odpowiednich metod uczenia maszynowego, ich zastosowania oraz zaraportowania i oceny jakości uzyskanych wyników.


      Wymagania wstępne
      1. Umiejętność programowania – np. w zakresie przedmiotu: Podstawy informatyki i programowania (PIPR).
      2. Znajomość podstawowych zagadnień sztucznej inteligencji np. w zakresie przedmiotu: Wprowadzenie do sztucznej inteligencji (WSI)
Literatura:

  1. T. Mitchell: Machine Learning. McGraw Hill, 1997.
  2. I.H. Witten, E. Frank, M.A. Hall, C.J. Pal: Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, 2016.
  3. Y.S. Abu-Mostafa, M. Magdon-Ismail, H.-T. Lin: Learning from Data: A Short Course. AMLBook, 2012.
  4. P. Cichosz: Systemy uczące się. Wydawnictwa Naukowo-Techniczne, 2001, 2007.
Metody i kryteria oceniania:

Sprawdzanie założonych efektów kształcenia realizowane jest przez:

  • ocenę wiedzy i umiejętności wykazanych na sprawdzianie pisemnym,
  • ocenę wiedzy i umiejętności związanych z realizacją zadań projektowych – ocena wykonanych prac implementacyjnych, eksperymentalnych i jakości dokumentacji,
  • formatywną ocenę związaną z rozwiązywaniem ćwiczeń domowych formułowanych na wykładzie, udziałem w konsultacjach i interaktywną formą prowadzenia wykładu.

Zajęcia w cyklu "rok akademicki 2023/2024 - sem. letni" (w trakcie)

Okres: 2024-02-19 - 2024-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Projekt, 15 godzin, 75 miejsc więcej informacji
Wykład, 30 godzin, 75 miejsc więcej informacji
Koordynatorzy: Paweł Cichosz
Prowadzący grup: Rafał Biedrzycki, Paweł Cichosz, Stanisław Kozdrowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2023/2024 - sem. zimowy" (zakończony)

Okres: 2023-10-01 - 2024-02-18
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Projekt, 15 godzin, 80 miejsc więcej informacji
Wykład, 30 godzin, 80 miejsc więcej informacji
Koordynatorzy: Paweł Cichosz
Prowadzący grup: Rafał Biedrzycki, Paweł Cichosz, Stanisław Kozdrowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2022/2023 - sem. letni" (zakończony)

Okres: 2023-02-20 - 2023-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Projekt, 15 godzin, 75 miejsc więcej informacji
Wykład, 30 godzin, 75 miejsc więcej informacji
Koordynatorzy: Paweł Cichosz
Prowadzący grup: Rafał Biedrzycki, Paweł Cichosz, Stanisław Kozdrowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2022/2023 - sem. zimowy" (zakończony)

Okres: 2022-10-01 - 2023-02-19
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Projekt, 15 godzin, 75 miejsc więcej informacji
Wykład, 30 godzin, 75 miejsc więcej informacji
Koordynatorzy: Paweł Cichosz
Prowadzący grup: Rafał Biedrzycki, Paweł Cichosz, Stanisław Kozdrowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2021/2022 - sem. letni" (zakończony)

Okres: 2022-02-23 - 2022-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Projekt, 15 godzin, 75 miejsc więcej informacji
Wykład, 30 godzin, 75 miejsc więcej informacji
Koordynatorzy: Paweł Cichosz
Prowadzący grup: Rafał Biedrzycki, Paweł Cichosz, Stanisław Kozdrowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2021/2022 - sem. zimowy" (zakończony)

Okres: 2021-10-01 - 2022-02-22
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Projekt, 15 godzin, 90 miejsc więcej informacji
Wykład, 30 godzin, 90 miejsc więcej informacji
Koordynatorzy: Paweł Cichosz
Prowadzący grup: Rafał Biedrzycki, Paweł Cichosz, Stanisław Kozdrowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Politechnika Warszawska.
pl. Politechniki 1, 00-661 Warszawa tel: (22) 234 7211 https://pw.edu.pl kontakt deklaracja dostępności USOSweb 7.0.0.0-7 (2024-03-18)