Uczenie maszynowe

To jest strona domowa przedmiotu Uczenie maszynowe (UMA) prowadzonego na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej. Można tu znaleźć informacje organizacyjne oraz materiały pomocnicze.

Komentarze na temat zawartości tej strony i inne uwagi dotyczące przedmiotu proszę kierować pocztą.

Zawartość strony

  1. O przedmiocie
  2. Aktualności
  3. Aktualna realizacja
  4. Zasady oceniania
  5. Projekt
  6. Kolokwia
  7. Konsultacje
  8. Plan wykładów (przybliżony)
  9. Slajdy do wykładów
  10. Ćwiczenia sprawdzające
  11. Literatura

O przedmiocie

Przedmiot kierowany jest do studentów studiów inżynierskich i ma on służyć zapoznaniu ich z elementami teorii i podstawowymi algorytmami uczenia maszynowego. Da on także okazję do zdobycia podstawowych doświadczeń praktycznych dotyczących implementacji i stosowania algorytmów uczenia maszynowego. Bardziej szczegółowe informacje zawiera oficjalny konspekt przedmiotu.

Przedmiot ma być łagodnym wprowadzeniem w obszar uczenia maszynowego i jego zakres jest ograniczony do stosunkowo prostych nie-neuronowych algorytmów uczenia się oraz tych elementów teorii uczenia się, które ułatwiają zrozumienie możliwości i ograniczeń tych algorytmów. Prezentowane wyniki teoretyczne i algorytmy będą ilustrowane przykładami.

Kontynuacją przedmiotu ma być docelowo przedmiot Zaawansowane uczenie maszynowe (ZUM), który jest prowadzony na studiach magisterskich, na którym przedstawione będą wybrane bardziej złożone algorytmy.

Aktualności

Są już dostępne aktualne informacje na temat realizacji projektu.

Przedmiot został uruchomiony w semestrze 25L.

Aktualna realizacja

  1. Zajęcia wykładowe prowadzone są w trybie stacjonarnym i odbywają się w terminie i miejscu określonym przez rozkład zajęć.

  2. Realizacja projektu następuje samodzielnie w zespołach projektowych z możliwością korzystania z konsultacji.

  3. We wszystkich sprawach nieuregulowanych tutaj mają zastosowanie ogólne zasady określone przez Regulamin Studiów PW oraz bieżące rozporządzenia i zalecenia władz PW.

Zasady oceniania

Ocena z przedmiotu ustalana jest na podstawie:

Końcowa ocena jest wyznaczana na podstawie łącznej punktacji (0-100) przez zastosowanie standardowych progów.

Projekt

W obecnym semestrze projekt prowadzą:

  1. dr hab. inż. Rafał Biedrzycki,
  2. dr inż. Stanisław Kozdrowski.

Proszę o sprawdzenie w systemie USOS swojej przynależności do grup projektowych oraz przypisania prowadzących do grup, a następnie zgłoszenia zespołów złożonych z dwóch osób należących do grup przypisanych do tego samego prowadzącego (ale mogą to być różne grupy) do odpowiednich prowadzących zgodnie z ich instrukcjami załączonymi poniżej.

W kwestiach związanych z interpretacją tematów, zakresem wymagań oraz ewentualnych materiałów pomocniczych do projektu, a także z funkcjonowaniem narzędzia używanego do zgłaszania zespołów i wybierania tematów, proszę zwracać się do prowadzących projekt.

Kolokwia

Zasady

  1. Kolokwia mają charakter "pisemnego sprawdzianu z notatkami", co oznacza, że każdy uczestnik może korzystać z dowolnych własnych (przyniesionych ze sobą) materiałów na papierze (kartek, zeszytów, książek itp.), lecz nie może się nimi wymieniać z innymi osobami.
  2. Pierwsze kolokwium odbywa się w terminie wykładu 7, a drugie kolokwium -- w terminie wykładu 15. Terminy kolokwiów będą potwierdzone z co najmniej dwutygodniowym wyprzedzeniem.
  3. Możliwe jest poprawianie jednego lub obu kolokwiów w terminie poprawkowym wyznaczonym w ostatnich dniach semestru lub pierwszych dniach sesji. Ocena uzyskana w terminie poprawkowym zastępuje wcześniej uzyskaną ocenę z wyjątkiem sytuacji, gdy stosowanie tej zasady powodowałoby niezaliczenie przedmiotu.

Konsultacje

Stały dyżur: czwartek 10-11, pok. 24 -- bez umawiania się.
Inne terminy: możliwe po umówieniu się.

Plan wykładów (przybliżony)

Wykład Temat
1 Informacje organizacyjne i wprowadzenie
2-3 Elementy teorii uczenia się (PAC-nauczalność, wymiar VC)
4 Uczenie się przestrzeni wersji
5-6 Algorytmy indukcji reguł
7 Kolokwium 1
8-9 Algorytmy indukcji drzew decyzyjnych, naiwny klasyfikator bayesowski
11 Modele liniowe
11 Ocena jakości modeli
12 Las losowy, SVM
13-14 Uczenie się ze wzmocnieniem
15 Kolokwium 2

Slajdy do wykładów

Po każdym wykładzie będą tu zamieszczane slajdy odpowiadające jego treści.

Udostępniam również wstępne robocze wersje slajdów do przyszłych wykładów, należy jednak brać pod uwagę, że mogą być do nich jeszcze wprowadzane zmiany (poprawki, uzupełnienia, przesunięcia materiału).

Ćwiczenia sprawdzające

W trakcie semestru będą tu udostępniane ćwiczenia do (większości) wykładów, mające na celu ułatwienie weryfikacji zrozumienia ich treści i przygotowania się do kolokwium.

Literatura

Literatura dotycząca szczegółowych zagadnień, w tym zwłaszcza tematów projektu, rekomendowana jest indywidualnie w ramach konsultacji. Tutaj zamieszczam tylko nieliczne wybrane książki, których zakres tematyczny w znacznym stopniu jest zgodny z zakresem przedmiotu.

Paweł Cichosz