>>> Strona główna >>> Studia II stopnia >>> Uczenie Maszynowe (Machine Learning)

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