Module also offered within study programmes:
General information:
Name:
Data Analysis and Machine Learning
Course of study:
2019/2020
Code:
HNKT-1-606-s
Faculty of:
Humanities
Study level:
First-cycle studies
Specialty:
-
Field of study:
Nowoczesne technologie w kryminalistyce
Semester:
6
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
Wielgosz Maciej (wielgosz@agh.edu.pl)
Module summary

W trakcie realizacji modułu przedstawione zostaną techniki i metody uczenia maszynowego, ze szczególnym uwzględnieniem bieżących trendów oraz kwestii dotyczących analizy danych pochodzących z różnych źródeł. Studenci zachęcani będą do udziału w dyskusjach, a praktyczną znajomość przedstawianych zagadnień potwierdzą realizując w niewielkich grupach projekty.

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: is able to
M_K001 Rozumie znaczenie, korzyści i trudności związane z łączeniem danych pochodzących z różnych źródeł. NKT1A_K04 Participation in a discussion,
Activity during classes
Skills: he can
M_U001 Umie rozwiązywać zadane problemy poprzez dobór odpowiednich algorytmów uczenia maszynowego i ich wdrożenie z użyciem dostępnych bibliotek lub narzędzi wysokiego poziomu. NKT1A_U04, NKT1A_U06, NKT1A_U07, NKT1A_U08 Project
Knowledge: he knows and understands
M_W001 Zna specyfikę oraz dobre praktyki pracy z danymi pochodzącymi z różnych źródeł. NKT1A_W09, NKT1A_W05 Participation in a discussion,
Activity during classes
M_W002 Zna metody i techniki uczenia maszynowego i ich zastosowanie w analizie danych. NKT1A_W09, NKT1A_W05 Participation in a discussion,
Activity during classes
Number of hours for each form of classes:
Sum (hours)
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
56 28 0 0 28 0 0 0 0 0 0 0
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
Prace kontr. przejść.
Lektorat
Social competence
M_K001 Rozumie znaczenie, korzyści i trudności związane z łączeniem danych pochodzących z różnych źródeł. + - - - - - - - - - -
Skills
M_U001 Umie rozwiązywać zadane problemy poprzez dobór odpowiednich algorytmów uczenia maszynowego i ich wdrożenie z użyciem dostępnych bibliotek lub narzędzi wysokiego poziomu. - - - + - - - - - - -
Knowledge
M_W001 Zna specyfikę oraz dobre praktyki pracy z danymi pochodzącymi z różnych źródeł. + - - + - - - - - - -
M_W002 Zna metody i techniki uczenia maszynowego i ich zastosowanie w analizie danych. + - - + - - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 136 h
Module ECTS credits 5 ECTS
Udział w zajęciach dydaktycznych/praktyka 56 h
Preparation for classes 15 h
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 30 h
Realization of independently performed tasks 30 h
Contact hours 5 h
Module content
Lectures (28h):
-
Project classes (28h):
-
Additional information
Teaching methods and techniques:
  • Lectures: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Project classes: Nie określono
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Wykonanie projektu.

Participation rules in classes:
  • Lectures:
    – Attendance is mandatory: No
    – Participation rules in classes: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego.
  • Project classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Nie określono
Method of calculating the final grade:

Równoważna ocenie z projektu.

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Udział w zajęciach jest nieobowiązkowy.

Prerequisites and additional requirements:

Podstawowa znajomość języka Python.

Recommended literature and teaching resources:

Recommended literature and teaching resources not specified

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

Additional scientific publications not specified

Additional information:

None