Wstęp do Uczenia Maszynowego

Semestr zimowy 2024/25 @kozaka93 @woznicak

Materiały z zajęć Wstęp do Uczenia Maszynowego (MiNI, 3 rok MAD)

Terminy i tematy zajęć

#	DATA	LABORATORIUM	SKŁADOWA
1	02.10	Drzewa decyzyjne 1
2	09.10	Drzewa decyzyjne 2
3	16.10	Ocena dokładności, kroswalidacja, ROC, AUC
4	23.10	Regresja logistyczna	PD1 (15p)
5	30.10	Regularyzjacja regresji liniowej 1
6	06.11	Regularyzjacja regresji liniowej 2, SVM
7	13.11	LDA, QDA
8	20.11	Naiwny Bayes, K najbliższych sąsiadów (kNN) Projekt - motywacja, opis, tematyka	PD2 (15p)
9	27.11	Przygotowanie danych: wartości odstające, braki danych
10	04.12	Selekcja zmiennych, PCA
11	11.12	Komitety klasyfikatorów
12	18.12	Sieci neuronowe
13	15.01	Prezentacja wyników projektu	P (35p)
14	22.01	Analiza skupień: k-średnich
15	29.01	Analiza skupień: metody hierarchiczne	PD3 (15p)

Schemat oceniania (suma 80p):

• prace domowe (45p = 3 x 15p)
• projekt (35p)

Aby zaliczyć laboratoria, należy uzyskać ponad 40 punktów ogółem, w tym co najmniej 15 punktów z projektu.

Ocena	3	3.5	4	4.5	5
Punkty	(40, 48]	(48, 56]	(56, 64]	(64, 72]	(72, ∞)

Literatura

Wybrane rozdziały z James, G., Witten, D., Hastie, T., Tibshirani, R., Taylor, J. (2023). An Introduction to Statistical Learning with Applications in Python, Springer Science+Business Media, New York. https://www.statlearning.com/

Koronacki Jacek, Ćwik Jan. (2021). Statystyczne systemy uczące się.