Conducted in
terms:
2021/22L, 2022/23L, 2024/25L
ISCED code: 0618
ECTS credits:
5
Language:
Polish
Organized by:
Faculty of Physics, Astronomy and Informatics
Artificial neural networks 0800-SSNEUR
This course has not yet been described...
Total student workload
(in Polish) Godziny realizowane z udziałem nauczycieli ( 60 godz.):
- udział w wykładach 30 godz.
- udział na laboratoriach 30 godz.
Czas poświęcony na pracę indywidualną studenta (90 godz.):
- przygotowanie do wykładu 10 godz.
- przygotowanie do laboratoriów 20 godz.
- przygotowanie do egzaminu 30 godz.
- przygotowanie projektów zaliczeniowych 30 godz.
Łącznie: 150 godz. (5 ECTS)
Learning outcomes - knowledge
(in Polish) W1. posiada wiedzę na temat inspiracji neurobiologicznych algorytmów sztucznych sieci neuronowych, modeli neuronów, wiedzę teoretyczną i praktyczną w zakresie podstawowych typów sieci neuronowych, jak i ich rozlicznych zastosowań (realizuje efekt kierunkowy K_W01 dla kierunku Informatyka Stosowana drugiego stopnia)
W2. ma wiedzę na temat projektowania podstawowych algorytmów sztucznych sieci neuronowych (realizuje efekt kierunkowy K_W02 dla kierunku Informatyka Stosowana drugiego stopni)
W3. posiada szczegółową wiedzę związaną ze specjalnością informatyka stosowana (realizuje efekty kierunkowe K_W01, K_W05 dla kierunku Informatyka Stosowana drugiego stopni)
Learning outcomes - skills
(in Polish) U1- potrafi zrozumieć do jakich zadań i w jakich warunkach można zastosować modele sztucznych sieci neuronowych i ocenić, czego się można po nich spodziewać (realizuje efekty kierunkowe K_U01, K_U04 dla kierunku Informatyka Stosowana drugiego stopni).
U2- potrafi wykorzystać nabytą wiedzę matematyczną do opisu modeli sieci neuronowych, zapisu algorytmów, wykorzystać ogólną wiedzę matematyczną do formułowania i rozwiązania problemów, wykorzystując istniejące programy i pisząc własne dla sieci neuronowych różnych typów (realizuje efekty kierunkowe K_U01, K_U04 dla kierunku Informatyka Stosowana drugiego stopni).
U3 - potrafi wykorzystać nabytą wiedzę do analizy danych z zastosowaniem modeli sieci neuronowych w różnych dziedzinach (realizuje efekt kierunkowy K_U04 dla kierunku Informatyka Stosowana drugiego stopni).
U4 - potrafi pozyskiwać informacje z literatury, repozytoriów programów i baz danych oraz innych źródeł, w celu rozwiązywania zadań za pomocą programów typu sieci neuronowych i danych do analizy pobranych z repozytoriów bądź programów własnoręcznie napisanych i danych zgromadzonych samemu (realizuje efekty kierunkowe K_U01, K_U03 dla kierunku Informatyka Stosowana drugiego stopni)
Learning outcomes - social competencies
(in Polish) K1 - potrafi samodzielnie zdobywać i doskonalić wiedzę oraz
umiejętności profesjonalne wykorzystując sieci neuronowe do kreatywnego rozwiązywania problemów (realizuje efekt kierunkowy K_K01 dla kierunku Informatyka Stosowana drugiego stopni)
K2 - może podjąć pracę wymagającą umiejętności w zakresie analizy danych za pomocą sieci neuronowych w środowiskach krajowych i międzynarodowych, w szczególności europejskich przedsiębiorstw i instytucji (realizuje efekty kierunkowe K_K04, K_K06 dla kierunku Informatyka Stosowana drugiego stopni)
Teaching methods
(in Polish) Metody dydaktyczne podające:
- wykład informacyjny (konwencjonalny)
- wykład problemowy
Expository teaching methods
- problem-based lecture
- informative (conventional) lecture
- informative (conventional) lecture
Type of course
compulsory course
Prerequisites
Basic algebra and mathematical analysis
Course coordinators
Additional information
Additional information (registration calendar, class conductors, localization and schedules of classes), might be available in the USOSweb system: