Akademia Finansów i Biznesu Vistula - Centralny System Uwierzytelniania
Strona główna

Neural networks and deep learning machine learning

Informacje ogólne

Kod przedmiotu: CIM1SE11CI-Z18
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Neural networks and deep learning machine learning
Jednostka: Akademia Finansów i Biznesu Vistula
Grupy:
Punkty ECTS i inne: 6.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: angielski
Skrócony opis:

Absolvent rozumie wybrane aspekty sieci neuronowych oraz maszynowego uczenia niezbędnego do zapisu i analizy problemów spotykanych w informatyce.

Pełny opis:

Rekurencyjne sieci Hopfield-a w trybie synchronicznym (zastosowania).

Rekurencyjne sieci Hopfield-a w trybie asynchronicznym (zastosowania).

Perceptron oraz klasyfikacja.

Tw. Cybenko i sieci jednokierunkowej.

Optymalizacja i algorytm propagacji wstecznej.

Literatura:

Literatura podstawowa:

“Metody i techniki sztucznej inteligencji: inteligencja obliczeniowa”, L. Rutkowski, Wydawnictwo Naukowe PWN, Warszawa 2005 (wznowienie 2016).

"Fundamentals of Artificial Neural Networks", M. H. Hassoun, MIT Press, 1995.

Literatura uzupełniająca:

„Sztuczne sieci neuronowe”, J. Żurada, M. Barski, W. Jędruch,

Wydawnictwo Naukowe PWN, Warszawa 1996.

Efekty uczenia się:

Absolwent będzie posiadał rozszerzoną wiedzę w zakresie wybranej przez studenta specjalizacji.

Absolwent będzie posiadał umiejętność korzystania z technik i nowoczesnych narzędzi inżynieryjnych niezbędnych inżynierowi w tym korzystania z literatury. Absolwent będzie potrafił skutecznie funkcjonować jako członek zespołu technicznego oraz będzie rozumiał potrzebę uczenia się przez całe życie i planowania rozwoju zawodowego.

Absolwent będzie rozumiał wpływ technologii na życie i dobrostan ludzi w kontekście społecznym i globalnym.

Metody i kryteria oceniania:

Projekt i obecność na wykładach i ćwiczeniach.

Zajęcia w cyklu "Semestr zimowy 2018/2019" (zakończony)

Okres: 2018-10-01 - 2019-02-01
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć:
Ćwiczenia, 30 godzin więcej informacji
Wykład, 15 godzin więcej informacji
Koordynatorzy: Ryszard Kozera
Prowadzący grup: Ryszard Kozera, Bartłomiej Kubica
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin/zaliczenie na ocenę/zal w skali zal-std2
Ćwiczenia - Egzamin/zaliczenie na ocenę/zal w skali zal-std2
Wykład - Egzamin/zaliczenie na ocenę/zal w skali zal-std2
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Akademia Finansów i Biznesu Vistula.
ul. Stokłosy 3
02-787 Warszawa
tel: +48 22 45 72 300 https://vistula.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.0.0-1 (2023-09-06)