Uniwersytet Warszawski, Wydział Fizyki - Centralny System Uwierzytelniania
Strona główna

Metody numeryczne w analizie danych i uczeniu maszynowym

Informacje ogólne

Kod przedmiotu: 1000-1M22NUM
Kod Erasmus / ISCED: 11.1 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0541) Matematyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Metody numeryczne w analizie danych i uczeniu maszynowym
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Przedmioty monograficzne dla matematyki 2 stopnia
Przedmioty obieralne na studiach drugiego stopnia na kierunku bioinformatyka
Punkty ECTS i inne: 6.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
zobacz reguły punktacji
Język prowadzenia: angielski
Rodzaj przedmiotu:

monograficzne
Założenia (opisowo):

Nie jest wymagana znajomość uczenia maszynowego, ani analizy danych.
Skrócony opis:

Przyjrzymy się specyfice wybranych zadań obliczeniowych spotykanych w zagadnieniach analizy danych oraz uczenia maszynowego oraz własnościom algorytmów używanych do ich rozwiązywania.
Pełny opis:

Wykład dotyczy podstaw metod numerycznych wykorzystywanych w zadaniach uczenia maszynowego (ML) i analizy danych (DS). Zajmiemy się dwiema klasami zadań obliczeniowych:

  • optymalizacja (regresja nieliniowa, m. gradientowe i nie tylko, akceleracja, backprop, ...)
  • algebra liniowa (SVD, regresja liniowa, z regularyzacją, nowe rozkłady macierzy, ...)

Jak wystarczy czasu, zrobimy wycieczki w inne rejony na styku metod numerycznych i uczenia maszynowego lub analizy danych.

Każde omawiane zadanie obliczeniowe ma bezpośrednie motywacje z ML/DS, co zostanie pokazane.

Nie jest wymagana znajomość ML/DS.
Literatura:

Literatura będzie podawana na bieżąco.
Metody i kryteria oceniania:

Ocena na podstawie projektu komputerowego i egzaminu ustnego.

Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)

Okres: 2024-02-19 - 2024-06-16
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Piotr Krzyżanowski
Prowadzący grup: Piotr Krzyżanowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Fizyki.
ul. Pasteura 5, 02-093 Warszawa tel: +48 22 5532 000 https://www.fuw.edu.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.0.0-7 (2024-10-21)