Nie jesteś zalogowany |
Uczenie maszynowe (kierunek w jęz. angielskim) / Machine learning (English language field of study)
Forma zaliczenia przedmiotu jest wskazana w siatce zajęć: E oznacza egzamin, ZO zaliczenie na ocenę, a Z zaliczenie.
The form of crediting a course is determined in the course schedule below (E stands for Examination, G - Grading, P/F - Pass/Fail).
| Nazwa przedmiotu (Course name) |
Liczba godzin (Number of hours) |
Punkty ECTS | Forma zaliczenia (Form of crediting a course) | |||
| I rok 2021/22 - I semestr (1st year 2021/22 - 1st semester) | W Lecture |
Ć Practical class |
L/S Labs/ Seminars |
Razem Total |
||
| Obóz wstępny – wprowadzenie do matematyki (1000-317bBIM) (Bootcamp – introduction to mathematics) |
15 | 15 | 30 | 3 | kolokwium (test) |
|
| Obóz wstępny – wprowadzenie do uczenia maszynowego (1000-317bBUM) (Bootcamp – introduction to machine learning) | 10 | 10 | 20 | 3 | kolokwium /projekt (test/ project) |
|
| Idee i informatyka (1000-317bIII) (Ideas and informatics) | 30 | 30 | 3 |
esej/projekt (/project) |
||
| Uczenie statystyczne (1000-317bSML) (Statistical machine learning) | 30 | 30 | 60 | 6 | E | |
| Głębokie sieci neuronowe (1000-317bDNN) (Deep neural networks) | 30 | 30 | 60 | 6 | E | |
| Sterowanie robotami (1000-317bRC) (Robot control) | 30 | 30 | 60 | 6 | E | |
| Seminaria magisterskie z zakresu uczenia maszynowego i sztucznej inteligencji (Master seminar in the field of machine learning and artificial intelligence) |
30 | 30 | 3 | ZO (G) | ||
| I rok 2021/22 - II semestr | ||||||
| 30 | 30 | 60 | 5 | E/projekt (E/project) |
||
| Przetwarzanie języka naturalnego (1000-318bNLP) (Natural language processing) | 30 | 30 | 60 | 5 | E/projekt (E/project) |
|
| Uczenie ze wzmocnieniem (1000-318bRL) (Reinforcement learning) | 30 | 30 | 60 | 6 | E | |
| Seminaria magisterskie z zakresu uczenia maszynowego i sztucznej inteligencji (Master seminar in the field of machine learning and artificial intelligence) |
30 | 30 | 2 | ZO (G) | ||
| Przedmioty obieralne (Elective courses) |
60 | 60 | 120 | 12 | E | |
| II rok 2022/23 - I semestr (2nd year 2022/23 - 1st semester) | W (Lecture) | Ć (Practical class) | L (Lab) | Razem (Total) | ||
| Wyjaśnialne uczenie maszynowe (Explainable machine learning) (1000-319bEML) |
15 | 30 | 15 | 60 | 6 | E |
| Staż w firmie lub wizyta studyjna (Internship or study visit) (1000-319bINT) |
160 | 160 | 6 | ZO (G) | ||
| Uczenie maszynowe w dużej skali (1000-319bBML) (Large-scale machine learning) | 30 | 30 | 60 | 6 | E | |
| Seminaria magisterskie z zakresu uczenia maszynowego i sztucznej inteligencji (Master seminar in the field of machine learning and artificial intelligence) |
30 | 30 | 2 | referat (talk) |
||
| Zespołowy projekt z uczenia maszynowego (Team programming project in machine learning) (1000-319bTML) |
30 | 30 | 4 | projekt (project) |
||
| Przedmioty obieralne (Elective courses) |
30 | 30 | 60 | 6 | E | |
| II rok 2022/23 - II semestr (2nd year 2022/23 - 2nd semester) | ||||||
| Przedmioty obieralne (Elective courses) |
30 | 30 | 60 | 6 | E | |
| Przedmioty ogólnouniwersyteckie* (General university courses) |
60 | 60 | 6 | E | ||
| Zespołowy projekt z uczenia maszynowego (Team programming project in machine learning) (1000-319bTML) |
30 | 30 | 3 | projekt (project) |
||
| Seminaria magisterskie z zakresu uczenia maszynowego i sztucznej inteligencji oraz złożenie pracy dyplomowej (Master seminar in the field of machine learning and artificial intelligence) |
30 | 30 | 2 + 13 | praca dyplomowa (thesis) |
||
| Tok studiów łącznie (Total) | 120 | |||||
* W ramach zajęć ogólnouniwersyteckich powinieneś zdobyć co najmniej 5 pkt ECTS z przedmiotów humanistycznych lub społecznych. (* You need to complete at least 5 ECTS credits of humanities or social sciences courses.)
