Strict Standards: Only variables should be assigned by reference in /home/gdudeke/public_html/templates/shape5_vertex/vertex/responsive/responsive_mobile_sidebar.php on line 8
Login
Register

Strict Standards: Only variables should be assigned by reference in /home/gdudeke/public_html/templates/shape5_vertex/vertex/responsive/responsive_mobile_menu.php on line 137

Home

Research

Publications

Varia

Polish

Uczenie maszynowe

Wykłady

1 Informacje wstępne    Dodatkowe
2. Uczenie się indukcyjne    Indukcja reguł
3. Drzewa decyzyjne - klasyfikacja         Komitety klasyfikatorów 
4. Drzewa decyzyjne - regresja    Przetwarzanie atrybutów
5.  Liniowe metody klasyfikacji    Analiza danych – wykrywanie obserwacji odstających, uzupełnianie brakujących danych
6. Liniowe metody aproksymacji    Algorytmy ewolucyjne 
7.  Klasyfikator Bayesa     
8.  Klasyfikatory minimalnoodległościowe     
9.  Nieparametryczne metody aproksymacji     
10.  Sztuczne sieci neuronowe     
11.  Grupowanie danych     
12.  Maszyna wektorów nośnych - klasyfikacja      
13.  Maszyna wektorów nośnych - regresja    
14.       

 

Ćwiczenia laboratoryjne

Symbol  Temat
MAT Matlab, Matlab tutorial
DD Klasyfikacja danych za pomocą drzew decyzyjnych 
LMK Liniowe metody klasyfikacji (4h)
LMA Liniowe metody aproksymacji (4h) 
GD Grupowanie danych  | Zbiór danych
SVM Maszyna wektorów nośnych  | Skrypt 
SVM Maszyna wektorów nośnych (Matlab >18a)  | Skrypt  
PSC Prognozowanie za pomocą sieci neuronowychDane

 

Warunki zaliczenia

  1. Obecność na zajęciach laboratoryjnych (dopuszczalna jedna nieobecność).
  2. Terminowa i samodzielna realizacja ćwiczeń laboratoryjnych i sprawozdań.
  3. Znajomość zadanego materiału oraz znajomość materiału prezentowanego na wykładzie.
  4. Pozytywne oceny ze wszystkich kartkówek.
  5. Zaliczone wszystkie sprawozdania.

Ocena końcową jest średnią z: 

  • ocen ze sprawozdań,
  • ocen z kartkówek,
  • ocen za aktywność na zajęciach,
  • ocen z zadań dodatkowych.

Studenci, którzy mają aspiracje na ocenę bardzo dobrą powinni realizować zadania zamieszczane w punktach "Zadania dodatkowe dla ambitnych" w instrukcjach do poszczególnych ćwiczeń laboratoryjnych.

 

Wymagania odnośnie sprawozdania

  • Sprawozdania przesyłamy w postaci elektronicznej, w pliku pdf pod nazwą


UM_Nazwisko_SymbolĆwiczenia_SymbolRoku.pdf


gdzie:
SymbolĆwiczenia znajduje się na początku każdej instrukcji (np. Mat, DD, LMK, GD), 
SymbolRoku zawiera rok, symbol kierunku i oznaczenie "S" dla studiów stacjonarnych lub "NS" dla studiów niestacjonarnych (rok_kierunek_S/NS)

Przykład prawidłowej nazwy pliku ze sprawozdaniem: UM_Nowak_LMK_3_AiR_S.pdf
W temacie emaila proszę skopiować nazwę pliku ze sprawozdaniem j.w.

Sprawozdania niespełniające powyższych wymogów nie będą przyjmowane.

  • Wzór sprawozdania znajduje się na stronie internetowej. Na stronie tytułowej należy umieścić podstawowe informacje (ściśle według wzoru sprawozdania).
  • Sprawozdanie powinno zawierać:
    • A. Cel ćwiczenia.
    • B. Treść zadania.
    • C. Część teoretyczną.
    • D. Metodykę rozwiązania zadania, opis algorytmów, metod, danych.
    • E. Zestawienie i omówienie wyników.
    • F. Wnioski.
    • G. Kod źródłowy programu implementującego rozwiązanie zadania (jeśli nie znalazł się w części D).
  • W przypadku sekcji dwuosobowych, sprawozdanie (jedno na dwuosobową sekcję) przygotowują obie osoby w sekcji i obie są przygotowane do jego zaliczenia. W przypadku odrabiania ćwiczenia, każda osoba w sekcji wykonuje ćwiczenie oraz sprawozdanie samodzielnie ze zmienionym numerem sekcji – 10+nr_gr (pierwsza osoba w sekcji), 20+nr_gr (druga osoba w sekcji).
  • Sprawozdania oddajemy i zaliczamy na następnych zajęciach. Jeśli sprawozdanie oddane lub zaliczane jest później, ocena jest obniżana.
  • Treść sprawozdania powinna być czytelna. Należy jasno opisać zadanie i sposób jego rozwiązania oraz dać właściwe wnioski. Kolejne czynności i warianty rozwiązania powinny być opisane w kolejnych punktach sprawozdania (zatytułowanych) tak, aby można było powtórzyć badania i eksperymenty.
  • Metoda rozwiązania powinna być dokładnie opisana, podać algorytmy, schematy itp.
  • Wyniki powinny być zestawione w czytelnej formie, zanalizowane i zinterpretowane.
  • Wszystkie wątpliwości związane z ćwiczeniem lub "dziwne" wyniki należy przedyskutować z prowadzącym.
  • Należy zwrócić uwagę na staranny układ tekstu sprawozdania, numerację stron itp.