Zasady zaliczenia: Różnice pomiędzy wersjami

Z Brain-wiki
m
m
Linia 5: Linia 5:
 
Do zaliczenia przedmiotu potrzebne jest:
 
Do zaliczenia przedmiotu potrzebne jest:
 
* Zaliczenie ćwiczeń:  
 
* Zaliczenie ćwiczeń:  
** Ścieżka 1 (standardowa).
+
** zaliczenie ćwiczeń będzie na podstawie kolokwiów; przewidujemy 2 kolokwia,  
*** 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  
*** 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. Dalsze zaliczanie przedmiotu na ścieżce indywidualnej polega na wykonaniu dwóch projektów.  
 
** 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 I to zastosowanie wybranego modelu spośród: klasyfikatorów bayesowskich, maszyn wektorów uczących, drzew decyzyjnych lub uczenia ze wzmocnieniem.  
Linia 16: Linia 15:
  
 
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.
 
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

Wersja z 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.