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

Podstawy przetwarzania danych

Informacje ogólne

Kod przedmiotu: 1120-INMSI-MSP-0112 Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Podstawy przetwarzania danych
Jednostka: Wydział Matematyki i Nauk Informacyjnych
Grupy: Informatyka i Systemy Informacyjne, Metody sztucznej inteligencji, sem. 1 z 3 (edycja zimowa)
Informatyka i Systemy Informacyjne, Metody sztucznej inteligencji, sem. 2 z 3 (edycja letnia)
Informatyka i Systemy Informacyjne, Metody sztucznej inteligencji, sem. 3 z 3 (obie edycje)
Punkty ECTS i inne: 5.00
Język prowadzenia: polski
Pełny opis:

Zawartość przedmiotu:

Cel przedmiotu:

Celem przedmiotu jest przedstawienie procesu przetwarzania danych w zadaniach uczenia maszynowego. Słuchacze mają poznać przyczyny i metody przetwarzania danych wejściowych, sposoby przeprowadzania testów stworzonego rozwiązania i interpretacji wyników. Przedmiot ma zapewnić im podstawową teoretyczną wiedzę z tego zakresu i umiejętność jej praktycznego zastosowania.

Treści kształcenia:

Wykład:

Dobór typów i normalizacja danych. Redukcja wymiarowości. Redukcja zaszumienia danych. Selekcja cech. Braki w danych. Próbkowanie danych. Tworzenie środowiska testowego. Miary oceny wyników modelu. Metodologia oceny wyników modelu. Analiza procesu uczenia modelu. Analiza wpływu danych na wyniki modelu. Porównywanie modeli. Wizualizacja wyników. Manifold learning. Przetwarzanie danych jakościowych

Laboratorium:

Podczas laboratoriów studenci uczą się jak dokonywać eksploatacji danych, aby móc przeprowadzić analizę wpływu danych na wyniki działania modelu.

Projekt:

Realizując projekt uczą się praktycznego przetwarzania danych i analizy wpływu przetwarzania na działanie modelu.

Literatura:

Literatura i oprogramowanie:

1. D.T. Larose, Metody i modele eksploracji danych, PWN, Warszawa, 2017.

2. S. Brandt, Analiza danych, PWN, Warszawa, 2016.

3. P. Biecek, Odkrywać! Ujawniać! Objaśniać! Zbiór esejów o sztuce prezentowania danych, Wydawnictwa Uniwersytetu Warszawskiego, Warszawa 2014.

Metody i kryteria oceniania:

Regulamin zaliczenia:

40% laboratorium - ocena za 4-5 zadań punktowanych

60% projekt - ocena dłuższego projektu w tym: ocena uzyskanej jakości wyników predykcji w porównaniu z działaniem modelu operującego na nie przetworzonych danych (30%) oraz ocena sposobu przeprowadzenia i dokumentacji eksperymentów porównujących modele (30%).

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

Okres: 2019-10-01 - 2020-02-21
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin więcej informacji
Projekt, 15 godzin więcej informacji
Wykład, 15 godzin więcej informacji
Koordynatorzy: Marcin Luckner
Prowadzący grup: Marcin Luckner
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.