Differences

This shows you the differences between two versions of the page.

--- courses:mldl:start [2025/09/10 09:46] – [Ramowy plan laboratorium] admin
+++ courses:mldl:start [2025/11/03 07:24] (current) – [Ramowy plan laboratorium] admin
@@ Line 31: / Line 31: @@
 ===== Ramowy plan wykładu=====
-  - Atrybuty i modele, wejście i wyjście w procesie DM/ML
+  - **[07/14.10.2025]**[[https://ujchmura-my.sharepoint.com/:b:/g/personal/szymon_bobek_uj_edu_pl/EY7yJPyvgzBPtdBzJHX1wGYBzgI5n462tEWlYwNSUXL8-Q?e=Tqcsmr| Atrybuty i modele, wejście i wyjście w procesie DM/ML]]
-  - Regresja liniowa
+  - **[22.10.2025]** [[https://ujchmura-my.sharepoint.com/:b:/g/personal/szymon_bobek_uj_edu_pl/EY7mwCOac7hPiwRS7dIO8rMBfSKHHvrX9J9b2-sRXgke-g?e=yPHxiJ|Regresja liniowa]]
-  - Bias/Variance
+  - **[27.10.2025]** Bias/Variance
   - Ridge regression
   - Klasyfikacja i jej ewaluacja
@@ Line 41: / Line 41: @@
   - Drzewa decyzyjne
   - Uczenie zespołów klasyfikatorów (ang. ensemble)
-  - Głębokie sieci neuronowe
   - Explainable AI
+  - Głębokie sieci neuronowe
   - Deep learning w praktycznych zastosowaniach
@@ Line 49: / Line 49: @@
-  - Wprowadzenie do środowiska pracy
+  - [[.:lab1| Laboratorium 1]] -- Wprowadzenie do środowiska pracy
-  - Transformacje danych
+  - [[.:lab2| Laboratorium 2]] -- GoogleColab, Pandas i Numpy
-  - Podstawy przetwarzania tekstu
+  - [[.:lab3| Laboratorium 3]] -- Transformacje i wizualizacje danych
-  - Redukcja wymiarowości
+  - [[.:lab4| Laboratorium 4]] -- Regresja, Szeregi czasowe
-  - Kodowanie zmiennych jakościowych
+  - [[.:lab5| Laboratorium 4]] -- Klasyfikacja
-  - Klasyfikacja, Regresja, Szeregi czasowe
+  - [[.:lab6| Laboratorium 5]] -- Podstawy przetwarzania tekstu
-  - Zespoły klasyfikatorów: Bagging, Boosting
+  - [[.:lab7| Laboratorium 6]] -- Zespoły klasyfikatorów: Bagging, Boosting
-  - Uczenie przyrostowe
+  - [[.:lab8| Laboratorium 7]] -- Uczenie przyrostowe
-  - Sieci neuronowe
+  - [TEST]
-  - Architektury sieci głębokich
+  - [[.:lab12| Laboratorium 8]] -- Explainable AI
-  - Deep learning w praktycznych zastosowaniach
+  - [[.:lab13| Laboratorium 9]] -- Systemy rekomendujące
-  - Explainable AI
+  - [[.:lab9| Laboratorium 10]] -- Sieci neuronowe
-  - Systemy rekomendujące
+  - [[.:lab10| Laboratorium 11]] -- Różne architektury sieci głębokich
+  - [[.:lab11| Laboratorium 12]] -- Deep learning w praktycznych zastosowaniach
+  - [TEST]
+===== Zaliczenie =====
+pkt to 100% punktów za laboratoria. ocena składa się z:
+  * 2x50 pkt za testy sprawdzające wiedzę z materiału omawianego podczas laboratoriów.
+  * po 1 pkt za aktywność podczas zajęć
+===== Oceny =====
+  * >= 90 pkt – bdb
+  * >= 80 pkt – db+
+  * >= 70 pkt – db
+  * >= 60 pkt – dst+
+  * >= 50 pkt – dst
+  * < 50 pkt – ndst
 ===== Egzamin =====