Uczenie Maszynowe (Machine Learning)
Specjalność uruchomiona w ramach projektu Unii Europejskiej: Zintegrowany Program Rozwoju Uczelni na lata 2019-2023.
Kierunek studiów II stopnia na specjalności Uczenie Maszynowe (Machine Learning)zapewnia zdobycie wiedzy i umiejętności z zakresu zaawansowanej analizy danych i wykorzystania metod Machine Learning do rozwiązywania problemów w organizacjach różnego typu. Studenci zostaną zapoznani z typami sieci neuronowych, problemami Deep Learningu oraz rozwiązaniami klasy Cloud Computing. Zajęcia praktyczne oparte są na najnowszych technologiach z omawianych dziedzin. Absolwenci specjalności mogą rozwijać swoje kariery zawodowe w wielu atrakcyjnych kierunkach związanych z zaawansowanym przetwarzaniem danych oraz ich analizą. Absolwenci będą przygotowani do rozwoju zawodowego w dziedzinie Data Science.
Charakterystyka przedmiotów specjalistycznych
Lp. |
Nazwa przedmiotu | Semestr | Liczba godzin | Opis |
1 | Zaawansowane przetwarzanie danych - wykład | I | 18 | Wykład omawia problemy związane z zaawansowanym przetwarzaniem danych na potrzeby ich analizy. Zagadnienia normalizacji, standaryzacji, dyskretyzacji, walidacji i inne techniki wstępnej obróbki danych |
2 | Zaawansowane przetwarzanie danych - laboratorium | II | 27 | Implementacja różnych aspektów przetwarzania danych z wykorzystaniem języków R i Python |
3 | Techniki i metody wizualizacji danych - wykład | II | 18 | Wykład omawia zasady i sposoby prezentowania danych pierwotnych i wyników analizy. |
4 | Techniki i metody wizualizacji danych - laboratorium | II | 18 | Realizowanie zadań wizualizacji etapów obróbki danych z wykorzystaniem różnych pakietów języków R i Python |
5 | Metody i algorytmy Machine Learning - wykład | III | 18 | W ramach wykładu omawiane będą podstawowe algorytmy klasyfikacji i predykcji wraz z zasadami realizowania etapów uczenia i walidowania modeli |
6 | Metody i algorytmy Machine Learning - laboratorium | III | 27 | W ramach laboratorium wykonywane będą implementacje różnych zadań związanych z modelami uczenia maszynowego w językach R i Python |
7 | Chmury obliczeniowe - wykład | III | 27 | W ramach wykładu zaprezentowane i omówione zostaną różne aspekty rozwiązań chmur obliczeniowych i możliwości i wykorzystania do realizacji zadań związanych z analizą danych |
8 | Chmury obliczeniowe - laboratorium | III | 27 | W ramach laboratorium realizowany będzie kurs AWS Machine Learning – Data Scientist Path oraz zapoznanie z innymi rozwiązaniami klasy Cloud Computing |
9 | Sieci neuronowe i Deep Learning - wykład | IV | 27 | W ramach wykładu omówione zostaną podstawy sieci neuronowych i ich rodzaje oraz zasady i sposoby trenowania modeli. |
10 | Sieci neuronowe i Deep Learning - laboratorium | IV | 27 | Realizowane będą zadania z implementacją sieci neuronowych i procesem uczenia modeli |