Zasady zaliczenia: Różnice pomiędzy wersjami
Z Brain-wiki
m |
m |
||
| Linia 9: | Linia 9: | ||
*** ćwiczenia są obowiązkowe, dopuszczamy 3 nieobecności | *** ćwiczenia są obowiązkowe, dopuszczamy 3 nieobecności | ||
<!--Wysyłanie uzupełnionych notebooków z ćwiczeń zgodnie z kalendarzem znajdującym się na wspólnym dysku Google'a (tiny.cc/uczenie_ML_20_21). Duże opóźnienia lub braki skutkują koniecznością zrobienia projektu dodatkowego. Przy braku zarówno notebooków jak i projektu, ćwiczenia są niezaliczone.--> | <!--Wysyłanie uzupełnionych notebooków z ćwiczeń zgodnie z kalendarzem znajdującym się na wspólnym dysku Google'a (tiny.cc/uczenie_ML_20_21). Duże opóźnienia lub braki skutkują koniecznością zrobienia projektu dodatkowego. Przy braku zarówno notebooków jak i projektu, ćwiczenia są niezaliczone.--> | ||
| − | ** Ścieżka 2 (indywidualna po uzgodnieniu z Wykładowcą). Warunkiem skorzystania z tej ścieżki jest zaliczenie pierwszych trzech notebooków oraz ustne kolokwium u J. Żygierewicza. Uzupełnione notebooki należy wysłać na adres j.zygierewicz@uw.edu.pl. | + | ** Ścieżka 2 (indywidualna po uzgodnieniu z Wykładowcą). Warunkiem skorzystania z tej ścieżki jest zaliczenie pierwszych trzech notebooków oraz ustne kolokwium u J. Żygierewicza. Uzupełnione notebooki należy wysłać na adres j.zygierewicz@uw.edu.pl. Dalsze zaliczanie przedmiotu na ścieżce indywidualnej polega na wykonaniu dwóch projektów. |
| − | Dalsze zaliczanie przedmiotu na ścieżce indywidualnej polega na wykonaniu dwóch projektów. | ||
*** Projekt I to zastosowanie wybranego modelu spośród: klasyfikatorów bayesowskich, maszyn wektorów uczących, drzew decyzyjnych lub uczenia ze wzmocnieniem. | *** Projekt I to zastosowanie wybranego modelu spośród: klasyfikatorów bayesowskich, maszyn wektorów uczących, drzew decyzyjnych lub uczenia ze wzmocnieniem. | ||
*** Projekt II dotyczy głębokich sieci neuronowych. | *** Projekt II dotyczy głębokich sieci neuronowych. | ||
Wersja z 12:38, 28 wrz 2021
Przejście do Wykładów
Zajęcia z Uczenia maszynowego obejmują serię wykładów i ćwiczeń praktycznych ilustrujących zagadnienia omawiane na wykładach.
Do zaliczenia przedmiotu potrzebne jest:
- Zaliczenie ćwiczeń:
- Ścieżka 1 (standardowa).
- zaliczenie ćwiczeń będzie na podstawie zadań domowych; przewidujemy 2 zestawy, jeden po części dotyczącej klasycznych metod ML, a drugie po części dotyczącej sieci neuronowych
- ćwiczenia są obowiązkowe, dopuszczamy 3 nieobecności
- Ścieżka 2 (indywidualna po uzgodnieniu z Wykładowcą). Warunkiem skorzystania z tej ścieżki jest zaliczenie pierwszych trzech notebooków oraz ustne kolokwium u J. Żygierewicza. Uzupełnione notebooki należy wysłać na adres j.zygierewicz@uw.edu.pl. Dalsze zaliczanie przedmiotu na ścieżce indywidualnej polega na wykonaniu dwóch projektów.
- Projekt I to zastosowanie wybranego modelu spośród: klasyfikatorów bayesowskich, maszyn wektorów uczących, drzew decyzyjnych lub uczenia ze wzmocnieniem.
- Projekt II dotyczy głębokich sieci neuronowych.
- Ścieżka 1 (standardowa).
Propozycje szczegółowych projektów powinny wyjść od Was, realizacja byłaby pod opieką w ramach konsultacji.
Projekt można oddawać do końca sesji zwykłej jeśli chce się dostać ocenę w pierwszym terminie lub do końca sesji poprawkowej jeśli chce się mieć ocenę w drugim terminie.
- Zaliczenie wykładu
- Na platformie kampus systematycznie będą pojawiać się zestawy pytań, na które odpowiedzi trzeba odsyłać systematycznie
- Egzamin ustny dla osób, które bedą chciały poprawić zaproponowaną ocenę.
