Module also offered within study programmes:
General information:
Name:
Machine learning
Course of study:
2017/2018
Code:
ZIE-2-008-s
Faculty of:
Management
Study level:
Second-cycle studies
Specialty:
-
Field of study:
Information Technology and Econometrics
Semester:
0
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
Wielgosz Maciej (wielgosz@agh.edu.pl)
Academic teachers:
dr inż. Duda Jerzy (jduda@zarz.agh.edu.pl)
Wielgosz Maciej (wielgosz@agh.edu.pl)
dr inż. Pietroń Marcin (pietron@agh.edu.pl)
Module summary

W ramach modułu studenci zapoznają się z najnowszymi technikami uczenia maszynowego oraz narzędziami do trenowania modeli Deep Learningowych.

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Potrafi współdziałać i pracować w grupie, także w środowisku międzynarodowym, przyjmując w niej różne role IE2A_K02 Execution of a project
Skills
M_U001 Potrafi wykorzystać biblioteki języka Python do różnych metod machine learning IE2A_U09 Execution of a project,
Activity during classes
M_U002 Potrafi przetwarzać różnorodne informacje wykorzystując odpowiednie metody uczenia maszynowego IE2A_U02 Execution of a project,
Activity during classes
Knowledge
M_W001 Zna współczesne metody uczenia maszynowego IE2A_W07 Execution of a project,
Participation in a discussion
M_W002 Zna zasadę działania oraz obszar zastosowania algorytmów klasteryzacji oraz regresji IE2A_W05 Execution of a project,
Activity during classes
M_W003 Potrafi wykonać symulację z wykorzystaniem sieci neuronowych i pamięci asocjacyjnych, oraz deep learning IE2A_W05 Execution of a project,
Activity during classes
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Potrafi współdziałać i pracować w grupie, także w środowisku międzynarodowym, przyjmując w niej różne role - - - + - - - - - - -
Skills
M_U001 Potrafi wykorzystać biblioteki języka Python do różnych metod machine learning + - - + - - - - - - -
M_U002 Potrafi przetwarzać różnorodne informacje wykorzystując odpowiednie metody uczenia maszynowego + - - + - - - - - - -
Knowledge
M_W001 Zna współczesne metody uczenia maszynowego + - - + - - - - - - -
M_W002 Zna zasadę działania oraz obszar zastosowania algorytmów klasteryzacji oraz regresji + - - + - - - - - - -
M_W003 Potrafi wykonać symulację z wykorzystaniem sieci neuronowych i pamięci asocjacyjnych, oraz deep learning + - - + - - - - - - -
Module content
Lectures:
1. Wprowadzenie do Pythona w uczeniu maszynowym
2. Zagadnienia regresji, algorytmy klasteryzacji
3. Sieci Bayes’a, HMM, Random Forest, SVM
4. Wprowadzenie do deep learning
5. Sieci neuronowe I
6. Sieci neuronowe II
7. Biblioteki do uczenia maszynowego i ich akceleracja, machine learning na przykładach
Project classes:
1. Wprowadzenie do programowania w Pythonie
2. Algorytmy klasteryzacji: K-Means, DBScan
3. Symulacja sieci Bayes’a, HMM, Random Forest
4. Symulacja SVM i klasycznych sieci neuronowych
5. Przetwarzanie obrazów
6. Text mining
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 75 h
Module ECTS credits 3 ECTS
Participation in project classes 15 h
Participation in lectures 15 h
Realization of independently performed tasks 15 h
Completion of a project 30 h
Additional information
Method of calculating the final grade:

Ocena końcowa wystawiana jest jako średnia ważona według reguły:
Aktywność podczas wykładów i zajęć 20 %
Wykonanie i obrona projektu według podanych zasad: 80%

Prerequisites and additional requirements:

Znajomość Pythona, podstawy algebry i statystyki

Recommended literature and teaching resources:

1. Peter Harrington: Machine Learning in Action. Manning Publications, Shelter Island 2012
2. Jiawei Han, Micheline Kamber, Jian Pei. Data Mining: Concepts and Techniques, Morgan Kaufmann Series in Data Management Systems, 2011
3. Kurs Data mining Coursera: https://www.coursera.org/learn/machine-learning

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

Zajęcia są prowadzone z wykorzystaniem innowacyjnych metod dydaktycznych opracowanych w projekcie POWR.03.04.00-00-D002/16, realizowanym w latach 2017-2019 na Wydziale Informatyki, Elektroniki i Telekomunikacji w ramach Programu Operacyjnego Wiedza Edukacja Rozwój 2014-2020.