Zasady zaliczenia: Różnice pomiędzy wersjami

Z Brain-wiki
(Utworzono nową stronę "Przejście do Wykładów Zajęcia z Uczenia maszynowego obejmują serię wykładów i ćwiczeń praktycznych ilustrują...")
 
m
 
(Nie pokazano 6 pośrednich wersji utworzonych przez tego samego użytkownika)
Linia 5: Linia 5:
 
Do zaliczenia przedmiotu potrzebne jest:
 
Do zaliczenia przedmiotu potrzebne jest:
 
* Zaliczenie ćwiczeń:  
 
* Zaliczenie ćwiczeń:  
** Ścieżka 1 (standardowa). 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.
+
** zaliczenie ćwiczeń będzie na podstawie kolokwiów; przewidujemy 2 kolokwia,
** Ścieżka 2 (indywidualna). Wysyłanie pierwszych trzech uzupełnionych notebooków z ćwiczeń zgodnie z kalendarzem (Numpy + dwie regresje) oraz zrealizowanie 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. Propozycje szczegółowych projektów powinny wyjść od Was, realizacja byłaby pod opieką w ramach konsultacji. 
+
** 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.
 +
** 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.  
  
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.
+
Propozycje szczegółowych projektów powinny wyjść od Was, realizacja byłaby pod opieką w ramach konsultacji.
  
 +
Projekt można oddawać do końca semestru jeśli chce się dostać ocenę w pierwszym terminie lub do końca sesji poprawkowej jeśli chce się mieć ocenę w drugim terminie.
 +
-->
 
* Zaliczenie wykładu
 
* Zaliczenie wykładu
 
** Na platformie kampus systematycznie będą pojawiać się zestawy pytań, na które odpowiedzi trzeba odsyłać systematycznie
 
** Na platformie kampus systematycznie będą pojawiać się zestawy pytań, na które odpowiedzi trzeba odsyłać systematycznie
 +
** Test końcowy
 
** Egzamin ustny dla osób, które bedą chciały poprawić zaproponowaną ocenę.
 
** Egzamin ustny dla osób, które bedą chciały poprawić zaproponowaną ocenę.
 +
 +
<!--* Zakres materiału do egzaminu ustnego:
 +
[[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Pytania]]-->

Aktualna wersja na dzień 06:24, 4 paź 2022

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:
    • zaliczenie ćwiczeń będzie na podstawie kolokwiów; przewidujemy 2 kolokwia,
    • ćwiczenia są obowiązkowe, dopuszczamy 3 nieobecności
  • Zaliczenie wykładu
    • Na platformie kampus systematycznie będą pojawiać się zestawy pytań, na które odpowiedzi trzeba odsyłać systematycznie
    • Test końcowy
    • Egzamin ustny dla osób, które bedą chciały poprawić zaproponowaną ocenę.