Politechnika Warszawska - Centralny System Uwierzytelniania
Nie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Analiza danych i uczenie maszynowe w teleinformatyce

Informacje ogólne

Kod przedmiotu: 103A-TLTIC-MSP-ADUM Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Analiza danych i uczenie maszynowe w teleinformatyce
Jednostka: Wydział Elektroniki i Technik Informacyjnych
Grupy: ( Przedmioty techniczne )---EITI
( Przedmioty zaawansowane obieralne )-Teleinformatyka i cyberbezpieczeństwo-mgr.-EITI
( Przedmioty zaawansowane obieralne )-Teleinformatyka i cyberbezpieczeństwo-mgr.-EITI
( Przedmioty zaawansowane techniczne )--mgr.-EITI
Punkty ECTS i inne: 4.00
Język prowadzenia: polski
Jednostka decyzyjna:

103000 - Wydział Elektroniki i Technik Informacyjnych

Kod wydziałowy:

ADUM

Numer wersji:

1

Skrócony opis:

Omówione zostaną wybrane, podstawowe techniki analizy danych i uczenia maszynowego, w szczególności metody wnioskowania oparte na modelach Bayesowskich oraz na wykorzystaniu sztucznych sieci neuronowych, oraz reprezentatywne przykłady zastosowania uczenia maszynowego w obszarze teleinformatyki.

W ramach wykładu przedstawione zostanie pojęcie uczenia maszynowego, zostanie omówiony model procesu uczenia maszynowego i rodzaje metod uczenia maszynowego oraz zastosowania uczenia maszynowego w analizie danych i podejmowaniu decyzji. Przedstawione zostaną podstawy teoretyczne analizy danych oraz uczenia maszynowego, w szczególności wnioskowania opartego na modelach Bayesowskich; pokazane zostaną związki z metodami programowania matematycznego i teorii kolejek. Omówione zostaną wybrane środowiska analizy danych i uczenia maszynowego, w szczególności środowiska języka Python i platformy .NET...

Literatura:

LITERATURA:

  • J. Grus, “Data Science from Scratch: First Principles with Python”. O’Reilly, 2015 (pol. tłum.: “Data science od podstaw. Analiza danych w Pythonie”. Helion, 2018)
  • A Sample-Based Introduction to the Basics of Microsoft Infer.NET Programming”. Microsoft Research, 2018
  • S. Marsland, “Machine Learning. An Algorithmic Perspective”. Chapman & Hall / CRC, 2009 (wybrane rozdziały)
  • Materiały pomocnicze (artykuły, opracowania) zamieszczane na internetowej stronie przedmiotu.

Zajęcia w cyklu "rok akademicki 2021/2022 - sem. letni" (jeszcze nie rozpoczęty)

Okres: 2022-02-21 - 2022-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: (brak danych)
Koordynatorzy: (brak danych)
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Politechnika Warszawska.