Differences

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

--- courses:mldl:start [2025/11/14 10:30] – [Ramowy plan wykładu] admin
+++ courses:mldl:start [2026/02/01 17:24] (current) – [Egzamin] admin
@@ Line 36: / Line 36: @@
   - **[29.10.2025]** [[https://ujchmura-my.sharepoint.com/:b:/g/personal/szymon_bobek_uj_edu_pl/IQBFEqoseJ6BQoFA486OoNWZARFF15Kk56ZIjJBipStzHKI?e=zjnFww|Bias/Variance]]
   - **[05.11.2025]** [[https://ujchmura-my.sharepoint.com/:b:/g/personal/szymon_bobek_uj_edu_pl/IQBFEqoseJ6BQoFA486OoNWZARFF15Kk56ZIjJBipStzHKI?e=zjnFww|Ridge regression]]
-  - **[12.111.2025]** [[https://ujchmura-my.sharepoint.com/:b:/g/personal/szymon_bobek_uj_edu_pl/IQBA1nZjm8B3SqDDkPz_JblYAYZKxi2X7qtrysUAWXUX7q4?e=6WX0Gd| Klasyfikacja i jej ewaluacja, Regresja Logitowa i SVM]]
+  - **[12.11.2025]** [[https://ujchmura-my.sharepoint.com/:b:/g/personal/szymon_bobek_uj_edu_pl/IQBA1nZjm8B3SqDDkPz_JblYAYZKxi2X7qtrysUAWXUX7q4?e=6WX0Gd| Klasyfikacja i jej ewaluacja, Regresja Logitowa i SVM]]
-  - Drzewa decyzyjne
+  - **[19.11.2025]** [[https://ujchmura-my.sharepoint.com/:b:/g/personal/szymon_bobek_uj_edu_pl/IQBbf4tFlJweQKyJKl0PWjy0AXNRhOk-i1RTBzdcGY9o3uc?e=3UI3rd|Drzewa decyzyjne]]
-  - Uczenie zespołów klasyfikatorów (ang. ensemble)
+  - **[26.11.2025]** [[https://ujchmura-my.sharepoint.com/:b:/g/personal/szymon_bobek_uj_edu_pl/IQCOM3pC3EtRQZgJzb5PPLvKAWEaC50ew6nX5rfQgw-bkWc?e=HOOfjo|Uczenie zespołów klasyfikatorów (ang. ensemble)]]
-  - Wybrane modele probabilistyczne
+  - **[03.12.2025]** [[https://ujchmura-my.sharepoint.com/:b:/g/personal/szymon_bobek_uj_edu_pl/IQAn4D8aaB_fT63-mf9oaIrVAQBc8Xar9_G1YSgBys8ILas?e=l5GsHU|Uczenie przyrostowe]]
-  - Explainable AI
+  - **[10.12.2025]** {{ :courses:xai:1_introduction_to_explainable_artificial_intelligence.pdf |Explainable AI}}
-  - Głębokie sieci neuronowe
+  - **[17.12.2025]** Głębokie sieci neuronowe
-  - Deep learning w praktycznych zastosowaniach
+  - **[14/21.01.2026]**  Deep learning w praktycznych zastosowaniach
+  * :!: **Egzamin Termin I: 04.02.2026** - godzina 12:00-14:00  sala A-2-07
+  * :!: **Egzamin Termin II: 25.02.2026** -  godzina 12:00-14:00  sala A-2-07
@@ Line 48: / Line 51: @@
-  - [[.:lab1| Laboratorium 1]] -- Wprowadzenie do środowiska pracy
+  - [[.:lab1| Laboratorium 1]] (8.10.2025) -- Wprowadzenie do środowiska pracy
-  - [[.:lab2| Laboratorium 2]] -- GoogleColab, Pandas i Numpy
+  - [[.:lab2| Laboratorium 2]] (15.10.2025) -- GoogleColab, Pandas i Numpy
-  - [[.:lab3| Laboratorium 3]] -- Transformacje i wizualizacje danych
+  - [[.:lab3| Laboratorium 3]] (22.10.2025) -- Transformacje i wizualizacje danych
-  - [[.:lab4| Laboratorium 4]] -- Regresja, Szeregi czasowe
+  - [[.:lab4| Laboratorium 4]] (29.10.2025) -- Regresja, Szeregi czasowe
-  - [[.:lab5| Laboratorium 4]] -- Klasyfikacja
+  - [[.:lab5| Laboratorium 5]] (5.11.2025) -- Klasyfikacja
-  - [[.:lab6| Laboratorium 5]] -- Podstawy przetwarzania tekstu
+  - [[.:lab6| Laboratorium 6]] (19.11.2025) -- Podstawy przetwarzania tekstu
-  - [[.:lab7| Laboratorium 6]] -- Zespoły klasyfikatorów: Bagging, Boosting
+  - [[.:lab7| Laboratorium 7]] (26.11.2025) -- Zespoły klasyfikatorów: Bagging, Boosting
-  - [[.:lab8| Laboratorium 7]] -- Uczenie przyrostowe
+  - [[.:lab8| Laboratorium 8]] (3.12.2025) -- Uczenie przyrostowe
-  - [TEST]
+  - (10.12.2025) -- [TEST]
-  - [[.:lab12| Laboratorium 8]] -- Explainable AI
+  - [[.:lab12| Laboratorium 9]] (10.12.2025) -- Explainable AI
-  - [[.:lab13| Laboratorium 9]] -- Systemy rekomendujące
+  - [[.:lab9| Laboratorium 11]] (17.12.2025) -- Sieci neuronowe
-  - [[.:lab9| Laboratorium 10]] -- Sieci neuronowe
+  - [[.:lab10| Laboratorium 12]] (14.01.2025) -- Różne architektury sieci głębokich
-  - [[.:lab10| Laboratorium 11]] -- Różne architektury sieci głębokich
+  - [[.:lab11| Laboratorium 13]] (21.01.2025) -- Deep learning w praktycznych zastosowaniach
-  - [[.:lab11| Laboratorium 12]] -- Deep learning w praktycznych zastosowaniach
+  - (28.01.2025) -- [TEST]
-  - [TEST]
 ===== Zaliczenie =====
@@ Line 81: / Line 83: @@
 ===== Egzamin =====
+Zagadnienia do egzaminu zawierają się w opublikowanych na stronie wykładach.
+Ponad to zagadnienia obejmują:
+  - Definicja i budowa wielowarstwowej sieci neuronowej.
+  - Rola funkcji aktywacji.
+  - Rola i przykłady funkcji loss.
+  - Rola mechanizmu optymalizatora w treningu sieci neuronowej.
+  - Etapy procesu treningu sieci neuronowej.
+  - Przykłady zadań (problemów) rozwiązywanych przez sieci neuronowe
+  - Podstawowe typy sieci neuronowych.
+  - Reprezentacje danych w różnych problemach uczenia maszynowego