Uniwersytet Warszawski, Wydział Fizyki - Centralny System Uwierzytelniania

NA SKRÓTY
STUDENCI, PRACOWNICY
JEDNOSTKI ORGANIZACYJNE
PRZEDMIOTY
- Applications of Numerical Analysis: Machine Learning for Atmospheric and Oceanic Bioaerosols
STUDIA
AKADEMIKI
POMOC

Applications of Numerical Analysis: Machine Learning for Atmospheric and Oceanic Bioaerosols

Informacje ogólne

Kod przedmiotu:	1100-MLAOB
Kod Erasmus / ISCED:	(brak danych) / (brak danych)
Nazwa przedmiotu:	Applications of Numerical Analysis: Machine Learning for Atmospheric and Oceanic Bioaerosols
Jednostka:	Wydział Fizyki
Grupy:	Physics (Studies in English); 2nd cycle
Punkty ECTS i inne:	3.00 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.
Język prowadzenia:	angielski
Kierunek podstawowy MISMaP:	biologia fizyka geografia matematyka ochrona środowiska
Założenia (opisowo):	General knowledge of atmospheric physics. Basic knowledge of programming.
Skrócony opis:	This course will provide students with a foundation in the research methodologies and techniques used in the field of atmospheric physics, specifically in bioareosol studies in atmosphere and ocean. It will help students gain understanding of numerical analysis and its use in machine learning algorithms. After attending the course students will be able to apply that knowledge in practice numerical solutions to the problem, write simple computer codes for analysis of physical processes in the atmosphere. This lecture is conducted in a hybrid manner and is given only in English.
Pełny opis:	Topics to be covered are listed below, each will be applied to specific problems related for bioaersol detection and typing: 1) Linear algebra concepts 2) Optimization techniques 3) Numerical methods for probability estimation 4) Monte Carlo methods 5) Machine learning algorithm implementations These topics will be applied to specific problems in atmospheric physics.
Literatura:	The list of references will be provided during the lectures.
Efekty uczenia się:	This course will provide students with following learning outcomes, according to thedocumentation provided in following documentation: Efekty kształcenia zg. z charakterystyką II stopnia Polskiej Ramy Kwalifikacji dla kwalifikacji uzyskiwanych w ramach szkolnictwa wyższego – poziom 6-8 (http://www.kwalifikacje.gov.pl/images/Publikacje/Polska-rama-kwalifikacji.pdf) 1. Education / Wiedza: P8S-WG 2. Skills / Umiejętności: P6S-UU, P6S-UO, P7S-UW, P8S-UK 3 . Social competences / Kompetencje społeczne: P7S-KR, P8S-KK
Metody i kryteria oceniania:	The completion of this course will be assessed based on: - 60% home exercises, - 40% written exam result. The topics for the exam will be given 3 weeks in advance and will cover the material realized during lectures. During the exam session one written exam and one make-up exam are planned. Attendance at lectures and tutorials is compulsory.

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

Okres:	2023-10-01 - 2024-01-28	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WT ŚR CZ WYK PT
Typ zajęć:	Wykład, 30 godzin więcej informacji
Koordynatorzy:	Iwona Stachlewska
Prowadzący grup:	Artur Tomczak
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.