Podstawy uczenia maszynowego w Pythonie – kurs online
CS/8971
Nauka i Środowisko
Kurs realizowany w formie zdalnej na platformie ZOOM.
Kurs wprowadza do tematyki uczenia maszynowego w oparciu o praktyczne przykłady i pracę nad doborem odpowiednich technik z wykorzystaniem Pythona.
Słuchacze muszą odznaczać się znajomością podstaw Pythona.
Opis programu zajęć:
- Wprowadzenie do Pythona, środowiska Google Colab i podstawowe informacje o wizualizacji danych.
- Populacje i próby. Charakterystyki prób i odpowiadające im statystyki: średnia, wariancja, odchylenie standardowe, kwantyle.
- Wprowadzenie do uczenia maszynowego, uczenie nadzorowane.
- Prosta prognoza: regresja liniowa i logistyczna, klasyfikacja i klastrowanie.
- Analiza oraz oczyszczanie danych i dzielenie na zbiór uczący i testowy. Pojęcie zbalansowania zbioru.
- Jednokierunkowe sieci neuronowe, perceptron.
- Konwolucyjne sieci neuronowe.
- Uczenie nienadzorowane.
Do każdego tematu przewidziane są zadania, mające na celu zrozumienie pojęć w nim wykorzystanych.
Grupa ze zmniejszonym limitem osób.
Cel ogólny:
praktyczne wprowadzenie do systemów uczących obejmujące serię wykładów i ćwiczeń w grupach. Na kursie będą podawane rzeczywiste przykłady i praktyczne ćwiczenia z wykorzystaniem Pythona. Będzie kładziony nacisk na pracę w parach, która ma na celu pomóc w zrozumieniu podstaw uczenia maszynowego.
Cele szczegółowe:
- wprowadzenie Słuchaczy w zrozumienie współczesnych metod uczenia maszynowego,
- ćwiczenia praktyczne, czyli praca nad prostymi zadaniami dla każdego z wymienionych tematów,
- wprowadzenie podstawowych konstrukcji z języka Python potrzebnych do pracy nad zajęciami,
- poznanie podstaw uczenia maszynowego z wykorzystaniem Pythona, który zostanie wprowadzony na wykładach,
- analizowanie problemu i przygotowywanie możliwych rozwiązań na podstawie wykładu i kodów ze slajdów,
- rozwiązywanie ćwiczeń przygotowanych w specjalnych notebookach w Google Colab,
- wykorzystanie bibliotek do rozwiązania problemów, takich jak: seaborn, matplotlib, scipy, keras,
- ćwiczenia będą miały formę pracy w grupach nad problemami z wykorzystaniem slajdów z wykładu i pomocy Wykładowcy.
Korzyści dla słuchacza:
Słuchacz:
- ma wiedzę na temat podstaw Pythona i zna podstawowe algorytmy uczenia maszynowego,
- posiada informacje na temat populacji i charakterystyki prób oraz odpowiadających im statystyk: średnia, wariancja, odchylenie standardowe, kwantyle,
- potrafi wykonać z użyciem Pythona prostą prognozę za pomocą regresji liniowej i logistycznej oraz oczyścić dane i podzielić je na zbiór uczący i testowy,
- wie, co to uczenie maszynowe i perceptron,
- rozumie pojęcie konwolucyjnej sieci neuronowej i wie, do jakiego problemu można ją zastosować.
Metody pracy:
- case study,
- praca w grupach,
- krótkie zadania domowe.
Metody weryfikacji efektów kształcenia:
egzamin po kursie jest możliwy dla chętnych Słuchaczy.
Polegać on będzie na doborze odpowiedniego modelu uczenia maszynowego do rozwiązania problemu, przedstawieniu i wizualizacji wyników za pomocą prezentacji. Ceniona będzie również aktywność Słuchacza na zajęciach.
