Машинний інтелект в робототехніці, частина 2
Спеціальність: Метрологія та інформаційно-вимірювальна техніка
Код дисципліни: 6.175.05.E.138
Кількість кредитів: 5.00
Кафедра: Інформаційно-вимірювальних технологій
Лектор: Хома Юрій Володимирович
Семестр: 6 семестр
Форма навчання: денна
Результати навчання: Результати навчання:
- вміти налаштовувати та користуватися локальними (Jupyter Notebook) і онлайн (Google Colab) середовищами для побудови моделей машинного навчання;
- вміти використовувати стандартні функції модулів pandas, numpy і scikit-learn;
- знати основні принципи попередньої обробки даних і їх застосування на практиці;
- вміти обробляти вхідні дані, розділяти їх на набори для тренування і тестування;
- знати основні типи графіків бібліотек matplotlib і seaborn і використовувати їх для візуалізації вхідних даних;
- розрізняти та використовувати алгоритми машинного навчання для вирішення задач класифікації, регресії, кластеризації;
- знати основні методи оцінки алгоритму машинного навчання для кожної із задач, розуміти їх переваги та недоліки.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Пререквізити:
- машинний інтелект в робототехніці, частина 1
Короткий зміст навчальної програми: Короткий зміст:
Налаштування робочої станції для глибокого навчання. Знайомство з модулями pandas, numpy і scikit-learn. Візуалізація та побудова графіків за допомогою matplolib і seaborn. Комбінація та об’єднання наборів даних. Попередня обробка даних, розробка функцій. Перетреновування і недотреновування. Поділ на навчальний і тестовий набір. Класифікація, регресія, кластеризація. Оцінка моделей машинного навчання.
Методи та критерії оцінювання: Оцінювання
Усне опитування, приймання звітів з лабораторних робіт (35 %); підсумковий захід – іспит (письмово-усна форма
Рекомендована література: Література
1. Coelho L. P. Building Machine Learning Systems with Python, 2nd Edition / Luis Pedro Coelho, Willi Richert., Packt Publishing Ltd., Birmingham, UK, 2015. – 326 c.
2. Grus J., Data Science from Scratch: First Principles with Python / Joel Grus., O`Reilly Media, Inc., 2015. – 330 c.
3. Gron A. Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems., O`Reilly Media, Inc., 2017. – 568 c.
4. McKinney W. Python for data analysis / Wes McKinney., O`Reilly Media, Inc., 2012. – 470 c.
5. Deisenroth M. P. Mathematics for Machine Learning / Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong., Cambridge University Press, 2020. – 417 c.
6. Russel S. Artificial Intelligence: A Modern Approach, 3rd Edition / Stuart Russel, Peter Norvig. Prentice Hall Press, USA, 2009. – 1152 c.
7. Chollet F. Deep Learning with Python, 1st Edition / Francois Chollet., Manning Publications Co., USA, 2017. – 384 c.
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою:
вул. Карпінського, 2/4, І-й н.к., кімн. 112
E-mail: nolimits@lpnu.ua
Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).