Sieci neuronowe 500-KS1-2SINN
Profil studiów: ogólnoakademicki
Forma studiów: stacjonarne
Rodzaj przedmiotu: obowiązkowy
Dziedzina i dyscyplina nauki: Informatyka
Rok studiów / semestr: 2 / 4
Wymagania wstępne (tzw. sekwencyjny system zajęć i egzaminów): Przedmioty wprowadzające: Logika Formalna, Programowanie 1, Programowanie 2
Laboratorium: 30
Metody dydaktyczne: prezentacje multimedialne, praca samodzielna, praca w grupach.
Punkty ECTS: 2
Bilans nakładu pracy studenta:
Udział w zajęciach:
- laboratorium 30h
przygotowanie do zajęć:
- laboratorium 15h
Wskaźniki ilościowe:
wymagającymi bezpośredniego udziału nauczyciela: 30, 1,5 ECTS
o charakterze praktycznym: 45, 2 ECTS
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
KW_07: ma podstawową wiedzę o technologiach informacyjnych wykorzystywanych do wspomagania procesów poznawczych i komunikacyjnych
K_U07: posługuje się technologiami i narzędziami informatycznymi do pozyskiwania informacji oraz wspomagania procesów poznawczych i komunikacyjnych
Kryteria oceniania
sprawozdania i prezentacja
Literatura
Bengio Yoshua, Courville Aaron, Goodfellow Ian, Deep Learning. Systemy uczące się, PWN, 2018
Patterson Josh, Gibson Adam, Deep Learning. Praktyczne wprowadzenie, Helion, 2018
Valentino Zocca, Gianmario Spacagna, Daniel Slater, Peter Roelants, Deep Learning. Uczenie głębokie z językiem Python. Sztuczna inteligencja i sieci neuronowe, Helion, 2018
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: