( Metody )-Sztuczna inteligencja-mgr.-EITI (grupa przedmiotów zdefiniowana przez Wydział Elektroniki i Technik Informacyjnych)
Plany zajęć grupy przedmiotów
-
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 -
Plan przecięty w wybranym przedziale dat
| ||||||||||||
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.
- nie jesteś zalogowany - aktualnie nie możesz się rejestrować - możesz się zarejestrować - możesz się wyrejestrować (lub wycofać prośbę) - złożyłeś prośbę o zarejestrowanie (i nie możesz jej już wycofać) - 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-ZZSN | brak | brak | brak |
Zajęcia przedmiotu
rok akademicki 2020/2021 - sem. letni
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. |
|
|||||||
103A-INSZI-MSP-ZUM | brak | brak |
Zajęcia przedmiotu
rok akademicki 2020/2021 - sem. zimowy
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.. |
|
||||||||
103C-INxxx-MSP-MED |
Zajęcia przedmiotu
rok akademicki 2020/2021 - sem. zimowy
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. |
|
||||||||||
103A-INSZI-MSP-AMHE | brak | brak | brak | brak | brak |
Zajęcia przedmiotu
rok akademicki 2020/2021 - sem. letni
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. |
|
|||||