Uczenie Maszynowe 2021

Instrukcje

Zasady zaliczenia

Obecności na ćwiczeniach będą sprawdzane, dopuszczalne są 3 nieobecności. Zaliczenie ćwiczeń będzie na podstawie zadań domowych; przewidujemy 2 zestawy, jeden po części dotyczącej klasycznych metod ML, a drugie po części dotyczącej sieci neuronowych. Istnieje możliwość zaliczenia eksternistycznego poprzez wykonanie 2 projektów po uprzedniej zgodzie prof. Żygierewicza.

Organizacja zajęć

Tryb normalny:

Zajęcia odbywają się w sali A1.30, raz w tygodniu w piątki od godziny 10:15 i trwają 2h lekcyjne bez przerwy. Jeżeli ktoś potrzebuje wyjść, np. do toalety, to może to zrobić w dowolnym momencie zajęć, ale jest zobowiązany wrócić przed ich końcem. W trakcie zajęć studenci pracują z przygotowanymi wcześniej zadaniami w formie interaktywnych notebooków Jupyter. Studenci pracują samodzielnie, w razie problemów konsultują się z prowadzącym bądź kolegami/koleżankami, ale w taki sposób aby nie przeszkadzać pozostałym.

Zasady epidemiczne:

  1. Uczestnicy zajęć dydaktycznych oraz egzaminów i zaliczeń kończących zajęcia odbywanych w obiektach Uniwersytetu Warszawskiego są zobowiązani do zakrywania ust i nosa przy pomocy maseczki.
  2. Odkrycie ust i nosa jest możliwe w przypadku konieczności identyfikacji lub weryfikacji tożsamości danej osoby, a także, jeżeli jest to niezbędne do zapewnienia właściwego procesu kształcenia, w tym przeprowadzenia zajęć dydaktycznych lub weryfikacji osiągniętych efektów uczenia się. O możliwości odkrycia ust i nosa w miejscu zajęć dydaktycznych lub odbywania się egzaminu bądź zaliczenia decyduje osoba prowadząca zajęcia, egzamin lub zaliczenie.
  3. Prowadzący zajęcia są zwolnieni z obowiązku zakrywania ust i nosa.

Konsultacje

Konsultacje do przedmiotu odbywają się bezpośrednio po zajęciach, tj. w piątki od godziny 12 do 13, w sali 4.38. Osoby chcące wziąć udział w konsultacjach są zobowiazane zgłosić taką chęć prowadzącemu na koniec ćwiczeń. Istnieje możliwość konsultacji w innym terminie, zarówno w formie stacjonarnej jak i zdalnej.

Dodatkowe materiały dydaktyczne

# Rozwiązanie
1 Powtórka z bibliotek
2 Regresja liniowa
3 Regresja logistyczna
4 Miary jakości
5 Naiwny Bayes
6 Filtr antyspamowy (Bayes)
7 Maszyna Wektorów Wspierających (SVM)
8 Drzewa decyzyjne
9 Uczenie bez nadzoru
10 Głębokie sieci i regularyzacja
11 Sieci konwolucyjne i augmentacja
12 Interpretowanie sieci neuronowych
13 Autokodery