Politechnika Warszawska - Centralny System Uwierzytelniania
Strona główna

( Metody )-Sztuczna inteligencja-mgr.-EITI (grupa przedmiotów zdefiniowana przez Wydział Elektroniki i Technik Informacyjnych)

Jednostka: Wydział Elektroniki i Technik Informacyjnych Zestaw przedmiotów, który widzisz poniżej został zdefiniowany przez tę jednostkę. Jednostka ta nie musi mieć jednak związku z organizacją wymienionych przedmiotów (jednostką odpowiedzialną za organizację przedmiotu jest jednostka wymieniona w odpowiedniej kolumnie w tabeli poniżej). Więcej o tym przeczytasz w Pomocy.
Grupa przedmiotów: ( Metody )-Sztuczna inteligencja-mgr.-EITI
wybierz inną grupę zobacz plany zajęć tej grupy
Filtry
Zaloguj się, aby uzyskać dostęp do dodatkowych opcji

Konkretniej - pokazuj tylko te przedmioty, dla których istnieje otwarta rejestracja taka, że możesz w jej ramach zarejestrować się na przedmiot.

Dodatkowo pokazywane są również te przedmioty, na które jesteś już zarejestrowany (lub składałeś prośbę o zarejestrowanie).

Jeśli chcesz zmienić te ustawienia na stałe, edytuj swoje preferencje w menu Mój USOSweb.
Legenda
Jeśli przedmiot jest prowadzony w danym cyklu dydaktycznym, to w odpowiedniej komórce pojawi się koszyk rejestracyjny. Ikona koszyka zależy od tego, czy możesz się rejestrować na dany przedmiot.
niedostępny (zaloguj się!) - nie jesteś zalogowany
niedostępny - aktualnie nie możesz się rejestrować
zarejestruj - możesz się zarejestrować
wyrejestruj - możesz się wyrejestrować (lub wycofać prośbę)
prośba - złożyłeś prośbę o zarejestrowanie (i nie możesz jej już wycofać)
zarejestrowany - jesteś pomyślnie zarejestrowany (i nie możesz się wyrejestrować)
Kliknij na ikonę "i" przy koszyku, aby uzyskać dodatkowe informacje.

2020Z - rok akademicki 2020/2021 - sem. zimowy
2021L - rok akademicki 2020/2021 - sem. letni
2021Z - rok akademicki 2021/2022 - sem. zimowy
2022L - rok akademicki 2021/2022 - sem. letni
2022Z - rok akademicki 2022/2023 - sem. zimowy
2023L - rok akademicki 2022/2023 - sem. letni
2023Z - rok akademicki 2023/2024 - sem. zimowy
2024L - rok akademicki 2023/2024 - sem. letni
(zajęcia mogą być semestralne, trymestralne lub roczne)
Opcje
2020Z 2021L 2021Z 2022L 2022Z 2023L 2023Z 2024L
103A-INSZI-MSP-AMHE brak brak brak brak brak
Zajęcia przedmiotu
rok akademicki 2020/2021 - sem. letni
  • Projekt - 15 godzin
  • Wykład - 30 godzin
rok akademicki 2021/2022 - sem. zimowy
  • Projekt - 15 godzin
  • Wykład - 30 godzin
rok akademicki 2023/2024 - sem. letni
  • Projekt - 15 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Przedmiot pogłębia wiedzę dotyczącą metaheurystyk, zdobytą na przedmiocie poświęconym heurystycznym metodom przeszukiwania. Przedstawione zostaną analityczne modele wybranych metaheurystyk, takich jak np. algorytmy ewolucyjne, ewolucja różnicowa i algorytm CMA-ES. Zostaną przedstawione warianty użycia metaheurystyk w zadaniach z ograniczeniami i zadaniach optymalizacji wielokryterialnej. Omówione zostaną zagadnienia hybrydyzacji metod metaheurystycznych z metodami optymalizacji lokalnej, a także użycia zastępczej funkcji celu. W ramach projektu słuchacze będą realizować własne implementacje lub modyfikować istniejące implementacje metaheurystyk oraz testować je na zadaniach benchmarkowych lub praktycznych.

Strona przedmiotu
103C-INxxx-MSP-MED
Zajęcia przedmiotu
rok akademicki 2020/2021 - sem. zimowy
  • Projekt - 30 godzin
  • Wykład - 30 godzin
rok akademicki 2020/2021 - sem. letni
  • Projekt - 30 godzin
  • Wykład - 30 godzin
rok akademicki 2021/2022 - sem. zimowy
  • Projekt - 30 godzin
  • Wykład - 30 godzin
rok akademicki 2021/2022 - sem. letni
  • Projekt - 30 godzin
  • Wykład - 30 godzin
rok akademicki 2022/2023 - sem. zimowy
  • Projekt - 30 godzin
  • Wykład - 30 godzin
rok akademicki 2022/2023 - sem. letni
  • Projekt - 30 godzin
  • Wykład - 30 godzin
rok akademicki 2023/2024 - sem. zimowy
  • Projekt - 30 godzin
  • Wykład - 30 godzin
rok akademicki 2023/2024 - sem. letni
  • Projekt - 30 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Na treść wykładu składa się szeroki zakres tematów z dziedziny eksploracji danych. Zostaną przedstawione metody odkrywania różnych typów wiedzy (takich jak np. reguły asocjacyjne i decyzyjne, wzorce sekwencyjne) z dużych zasobów danych oraz metody efektywnego pozyskiwania wiedzy poprzez stosowanie zwięzłych bezstratnych reprezentacji. Przedstawione zostaną także bardzo wydajne metody wyszukiwania duplikatów obiektów, grupowania i klasyfikacji danych, umożliwiające wykonanie tych zadań nawet o kilka rzędów wielkości szybciej niż przy zastosowaniu standardowych algorytmów. Omówione zostanie wykorzystanie impulsowych sieci neuronowych do prognozowania. Zaprezentowane będą metody odkrywania zależności funkcyjnych i przybliżonych pomiędzy zbiorami atrybutów. Omówione zostaną zagadnienia wnioskowania z niepełnych danych i na podstawie wiedzy częściowej.

Strona przedmiotu
103A-INSZI-MSP-ZUM brak brak
Zajęcia przedmiotu
rok akademicki 2020/2021 - sem. zimowy
  • Projekt - 15 godzin
  • Wykład - 30 godzin
rok akademicki 2020/2021 - sem. letni
  • Projekt - 15 godzin
  • Wykład - 30 godzin
rok akademicki 2021/2022 - sem. zimowy
  • Projekt - 15 godzin
  • Wykład - 30 godzin
rok akademicki 2021/2022 - sem. letni
  • Projekt - 15 godzin
  • Wykład - 30 godzin
rok akademicki 2022/2023 - sem. letni
  • Projekt - 15 godzin
  • Wykład - 30 godzin
rok akademicki 2023/2024 - sem. letni
  • Projekt - 15 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Celem przedmiotu jest zapoznanie studentów z zaawansowanymi zagadnieniami dotyczącymi uczenia maszynowego i jego zastosowań do tworzenia modeli predykcyjnych. Zakłada się, że studenci posiadają już wiedzę dotyczącą elementów teorii maszynowego uczenia się, takich jak model PAC i wymiar VC, oraz podstawowych algorytmów, takich jak drzewa decyzyjne, naiwny klasyfikator bayesowski, regresja liniowa i klasyfikacja liniowo-progowa. Na wykładzie omawiane są rozszerzone warianty tych algorytmów oraz bardziej złożone algorytmy, takie jak logistyczna, maszyny wektorów nośnych i metody jądrowe, algorytmy modelowania zespołowego oraz wybrane metody uczenia nienadzorowanego i klasyfikacji jednoklasowej. Dyskutowane są także zagadnienia związane z uwrażliwianiem modeli na koszty pomyłek, transformacją danych i oceną jakości modeli..

Strona przedmiotu
103A-INSZI-MSP-ZZSN brak brak brak
Zajęcia przedmiotu
rok akademicki 2020/2021 - sem. letni
  • Projekt - 15 godzin
  • Wykład - 30 godzin
rok akademicki 2021/2022 - sem. letni
  • Projekt - 15 godzin
  • Wykład - 30 godzin
rok akademicki 2022/2023 - sem. letni
  • Projekt - 15 godzin
  • Wykład - 30 godzin
rok akademicki 2023/2024 - sem. zimowy
rok akademicki 2023/2024 - sem. letni
  • Projekt - 15 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Celem przedmiotu jest zapoznanie studentów z tymi architekturami sztucznych sieci neuronowych i algorytmami ich uczenia, które wykraczają poza typowy, inżynierski kurs tej dziedziny (np. przedmiot Sztuczne Sieci Neuronowe, SSN). Są to architektury i algorytmy charakteryzujące się przede wszystkim tym, że zostały opracowane w ciągu ostatnich kilku lat i wciąż są przedmiotem intensywnych badań naukowych.

Przedmiot będzie nadążał za zmianami w błyskawicznie rozwijającej się dziedzinie sztucznej sieci neuronowych. Dlatego prezentowany tu konspekt należy traktować jako punkt początkowy ewolucji tego przedmiotu.

Zajęcia projektowe związane z przedmiotem mają na celu implementację poznanych metod oraz ich zastosowaniu do rozwiązywania praktycznych problemów analizy danych, maszynowej percepcji i przetwarzania języka naturalnego.

Strona przedmiotu
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)