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

Machine Learning Workshop

Informacje ogólne

Kod przedmiotu: 1120-IN000-ISA-0502 Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Machine Learning Workshop
Jednostka: Wydział Matematyki i Nauk Informacyjnych
Grupy: Elective courses, Computer Science
Elective courses, summer semester, 2019/2020
Przedmioty obieralne, wydz. MiNI PW
Punkty ECTS i inne: 4.00
Język prowadzenia: angielski
Skrócony opis:

Celem przedmiotu jest powtórzenie i synteza podstawowych informacji uzyskanych wcześniej z matematyki oraz szeroko pojętej inteligencji obli-czeniowej oraz rozszerzenie tych wiadomości o zagadnienia z zakresu uczenia maszyn ze szczególnym uwzględnieniem umiejętności praktycznych.

Wymagania wstępne / przedmioty poprzedzające:

Matematyka: analiza, algebra, teoria mnogości, logika, rachunek prawdopodobieństwa, statystyka; podstawy informatyki: algorytmy i struktury danych, podstawy programowania.

Pełny opis:

Wykład:

Wykład prezentuje podstawowe pojęcia dotyczące technik uczenia maszyn.

1. Wprowadzenie do przedmiotu. Podstawowe zasady i schematy przetwa-rzania danych. Analiza eksploracyjna danych.

2. Podstawowe algorytmy klasyfikacji: metoda kNN, drzewa decyzyjne. Ocena jakości klasyfikatora.

3. Klasyfikacja danych: maszyna wektorów nośnych, sztuczne sieci neuro-nowe. Jakość danych a efektywność klasyfikacji.

4. Klasyfikatory złożone: bagging, boosting.

5. Analiza skupień: metody oparte o centroidy, metody hierarchiczne, metody oparte o gęstości, sieć Kohonena. Ocena jakości grupowania.

6. Modele regresji liniowej: regresja wieloraka. Ocena jakości modelu.

7. Modele regresji: uogólnione modele liniowe.

8. Modelowanie i prognozowanie szeregów czasowych.

Laboratorium:

Celem laboratorium jest zapoznanie się z poszerzonymi treściami dotyczą-cymi technik uczenia maszyn. Program jest analogiczny do treści wykładu, a więc:

1. Analiza eksploracyjna danych.

2. Klasyfikacja.

3. Analiza skupień.

4. Modele regresji.

5. Przetwarzanie szeregów czasowych.

Projekt:

W trakcie semestru studenci realizują zadanie projektowe określone przez prowadzącego. Przewidywana forma zadania to projekt indywidualny.

Zadanie będzie polegało na zastosowaniu wybranej gamy metod omówionych na wykładzie do przetwarzania danych wyznaczonych przez prowadzącego projekt. Wymagane będzie przeprowadzenie analizy eksploracyjnej danych, wyboru modelu i parametrów oraz ocena jakości i interpretacja otrzymanych wyników. Zadanie zostanie podzielone i odpowiednio rozłożone w czasie na etapy, a ich terminowe wypełnienie będzie obowiązkiem studenta. Każdy ze wskazanych etapów wiąże się z przygotowaniem przez studenta prezentacji (raportu) postępów prac. Elementem końcowym projektu będzie wykonanie raportu podsumowującego prace studenta. Po ukończeniu projektu student na forum grupy projektowej prezentuje osiągnięte wyniki.

Literatura:

1. T. Mitchell, Machine Learning, McGraw Hill, 1997.

2. I. H. Witten, E. Frank, M. A. Hall, Data Mining: Practical Machine Learning Tools and Techniques, Morgan Kauffman, 2011.

3. J. Koronacki, J. Ćwik, Statystyczne systemy uczące się, EXIT, 2005.

4. M. Krzyśko, W. Wołyński, T. Górecki, M. Skorzybut, Systemy uczące się, WNT, 2008.

5. T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning, Springer, 2009.

6. C. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006.

7. R. O. Duda, P. E. Hart, D. G. Stork, Pattern classification, Wiley, 2001.

8. Środowiska: R i RStudio, Python.

Metody i kryteria oceniania:

Ocena z przedmiotu jest oceną uzyskaną przez studenta z realizacji projektu. Składowe oceny to:

- 40% wykonane zadanie

- 30% raporty postępu prac wykonywane na bieżąco

- 30% raport końcowy, w tym ocena jakości i interpretacja wyników

Ocena jest pomniejszana, gdy student nie wywiązuje się w zadanym czasie z powierzonych mu zadań.

Zajęcia w cyklu "rok akademicki 2020/2021 - sem. letni" (jeszcze nie rozpoczęty)

Okres: 2021-02-22 - 2021-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 15 godzin, 15 miejsc więcej informacji
Projekt, 15 godzin, 15 miejsc więcej informacji
Wykład, 15 godzin, 30 miejsc więcej informacji
Koordynatorzy: Agnieszka Jastrzębska
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Zaliczenie na ocenę

Zajęcia w cyklu "rok akademicki 2019/2020 - sem. letni" (w trakcie)

Okres: 2020-02-22 - 2020-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 15 godzin, 15 miejsc więcej informacji
Projekt, 15 godzin, 15 miejsc więcej informacji
Wykład, 15 godzin, 30 miejsc więcej informacji
Koordynatorzy: Agnieszka Jastrzębska
Prowadzący grup: Władysław Homenda, Agnieszka Jastrzębska
Lista studentów: (nie masz dostępu)
Zaliczenie: Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Politechnika Warszawska.