
Zakres materiału
Blok 1 – Uczenie maszynowe
- Uczenie z nadzorem – Regresja
- Uczenie z nadzorem – Klasyfikacja
- Uczenie z nadzorem – Metody zaawansowane
- Uczenie bez nadzoru
Blok 2 – Sieci neuronowe
- Frameworki i podstawy sieci neuronowych
- Sieci konwolucyjne i rozpoznawanie obrazów
- Sieci rekurencyjne i analiza języka naturalnego
- Sieci neuronowe, a uczenie bez nadzoru
Blok 3 – Praktyczna implementacja projektu ML
- Implementacja w systemach wbudowanych
- Implementacja typu SaaS
Literatura i materiały pomocnicze
Blok 1 – Uczenie maszynowe
- A. Geron, Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow, Helion 2018
- Coursera – Machine Learning
- Blog InterTech Academy. Blog zawierający m.in. moje artykuły na temat uczenia maszynowego i analizy danych.
Blok 2 – Sieci neuronowe
Zasady zaliczenia
Aby otrzymać zaliczenie należy spełnić łącznie następujące warunki:
- Aktywność na zajęciach. Zajęcia będą prowadzone w trybie “odwróconej klasy”. Przed zajęciami należy przygotować się studiując zadane materiały. W trakcie zajęć skupimy się na dyskusji nad zastosowaniem poznanych treści do konkretnych problemów.
- Projekt i kolokwium zaliczeniowe. W trakcie semestru należy zespołowo przygotować propozycję biznesową nowego produktu wykorzystującego metody uczenia maszynowego. Zaliczenie będzie miało formę kolokwium (prezentacji), na której należy przedstawić koncepcję produktu tak jak potencjalnym inwestorom.
Materiały
Materiały będą się pojawiać w trakcie trwania semestru.
Tydzień 1 – Problemy regresji
Materiały podstawowe: tydzień 1 i 2 z kursu Machine Learning na Courserze, materiały wideo dostarczone przeze mnie.
Kontakt
W sprawach związanych z przedmiotem proszę pisać do mnie na adres maciej.kraszewski[at]apsl.edu.pl, a tytuł wiadomości rozpocząć od “Eksploracja danych”.