#courses

2.0. Wczytywanie danych Pierwszym krokiem w każdym przedsięwzięciu opartym na uczeniu maszynowym jest pobranie i umieszczenie w systemie czystych, niezmodyfikowanych danych. Przykładami takich danych są plik dziennika zdarzeń, plik zbioru danych i baza danych. Co więcej, często zachodzi potrzeba pobrania danych pochodzących z wielu źródeł. Receptury omówione w tym rozdziale przedstawiają metody wczytywania danych z różnych źródeł, takich jak plik w formacie CSV i baza danych SQL. Pokazano metody generowania symulowanych danych wraz z właściwościami niezbędnymi do przeprowadzania eksperymentów. [Read More]

6.0. Obsługa tekstu Pozbawiony struktury tekst, taki jak zawartość książki lub wiadomość w serwisie Twitter, to jedno z najbardziej interesujących źródeł cech i jednocześnie najtrudniejsze do obsłużenia. W rozdziale omówię strategie przekształcania tekstu na cechy dostarczające wielu informacji. Nie oznacza to jed- nak, że zaprezentowane tutaj receptury są wyczerpujące. Istnieją całe dyscypliny akademickie koncentrujące się na obsłudze tekstu i podobnych typów danych, a opis stosowanych w tym zakresie technik mógłby wypełnić małą bibliotekę. [Read More]

8.0. Wprowadzenie Klasyfikacja obrazu to jeden z najbardziej ekscytujących obszarów uczenia maszynowego. Możliwość rozpoznawania przez komputer wzorców i obiektów w obrazach jest naprawdę nieoceniona. Jednak zanim będzie można wykorzystać uczenie maszynowe z obrazami, najpierw trzeba przekształcić te obrazy na cechy możliwe do użycia z algorytmami uczenia maszynowego. Do pracy z obrazami doskonale nadaje się biblioteka OpenCV (ang. open source computer vision). Choć istnieje wiele dobrych bibliotek przeznaczonych do pracy z obrazami, to jednak OpenCV zalicza się do najpopularniejszych, a ponadto jest doskonale udokumentowana. [Read More]

Zasady zaliczenia przedmiotu Dowolny język do realizacji zadania. Zadanie należy zrealizować do kolejnych zajęć - max. 5 punktów, Tydzień opóźnienia w realizacji zadania - max. 3 punkty, Przekroczenie obu terminów - max. 1 punkt. Zrealizowane zadanie należy umieścić na portalu GitHub (lub BitBucket) i wysłać link do prowadzącego (Slack). Zadanie należy zaprezentować osobiście prowadzącemu na laboratorium. Pierwsze laboratorium jest “rozruchowe” - można oddawać zadania, ale nie trzeba. [Read More]

Materiały online Wykład o algorytmach genetycznych - Politechnika Wrocławska. Wykład o algorytmach genetycznych - Politechnika Łódzka. Materiały do laboratorium (algorytmy genetyczne) - Politechnika Łódzka. Wykład o algorytmach genetycznych - Uniwersytet Warszawski. Wykład o algorytmach genetycznych - AGH. Tematy zadań 1. Podstawowe pojęcia. Czym jest algorytm genetyczny? Na podstawie rysunku tablicy (macierzy) z liczbami, przedstawionego na wykładzie, odpowiedz na poniższe pytania. Co to jest gen? Co to jest chromosom? [Read More]