Strona przedmiotu: PRO1D

Zasady przedmiotu PRO1d:

  • Celem zajęć jest szerokie przedstawienie tematyki specjalizacji d oraz przykładowych tematów prac dyplomowych. Efektem każdych zajęć powinno być wstępne przyporządkowanie kilku dyplomantów danemu prowadzącemu (jako potencjalnemu promotorowi).
  • Każdy z prowadzących na koniec semestru obejmie opieką ok. 2 dyplomantów, liczy się kolejność zgłoszeń.
  • Na końcu semestru każdy student, który nie został przyporządkowany do żadnego promotora zostanie przyporządkowany do promotora mającego mniej niż 2 przyporządkowanych studentów. (uwaga: Językiem wykładowym jest język polski. Promotorzy nie mają obowiązku prowadzić prac dyplomowych w języku innym niż język polski. W przypadku wyjątkowej potrzeby komunikacji po angielsku, należy to uzgadniać tylko w trakcie zajęć a nie na końcu semestru)
  • Studenci zainteresowani danym tematem proszeni są o zgłaszanie się do prowadzącego podczas wykładu w celu uzgodnienia przyszłej tematyki pracy dyplomowej.
  • Zajęcia odbywają się w blokach tematycznych po 1 lub 2 wykłady. Harmonogram przedstawiony jest poniżej
  • Na zajęciach prowadzący sprawdzają listę obecności i proponują sposób zaliczenia bloku na ocenę. Po każdym bloku prowadzący wystawia ocenę cząstkową. Ocena końcowa z przedmiotu PRO1d to średnia z ocen cząstkowych.
  • Możliwe są drobne zmiany w tematyce bądź kolejności wykładów, po uprzednim poinformowaniu na niniejszej stronie.


    • Harmonogram zajęć z PRO1d na semestr zimowy 2017/18:
    (zajęcia odbywają się w poniedziałki o 15:45)
    1. 2.10 dr hab. M.Sydow, spotkanie organizacyjne
    2. 9.10 dr Stefan Kotowski "Algorytmy Genetyczne"
    3. 16.10 dr Stefan Kotowski "Algorytmy Genetyczne"
    4. 23.10 dr Sinh Hoa Nguyen "Elementy eksploracji danych i uczenia maszynowego"
    5. 6.11 dr Sinh Hoa Nguyen "Elementy eksploracji danych i uczenia maszynowego"
    6. 13.11 dr inż. R.Sikora "Sieci neuronowe"
    7. 20.11 dr inż. R.Sikora "Sieci neuronowe"
    8. 27.11 mgr Tuan Trung Nguyen "Rozpoznawanie wzorców, elementy rachunku prawdopodobienstwa, OCR"
    9. 4.12 mgr Tuan Trung Nguyen "Rozpoznawanie wzorców, elementy rachunku prawdopodobienstwa, OCR"
    10. 11.12 mgr K.Baraniak "Elementy textmining"
    11. 18.12 dr D.Pawlik "Programy grające w gry"
    12. 8.01 dr M. Kacprzak "Elementy systemów dialogowych"
    13. 15.01 mgr Anna Sawicka "Elementy systemów dialogowych"
    14. 22.01 dr hab. inż. E.Ferenstein "Elementy analizy szeregów czasowych"
    15. 29.01 Wystawianie ocen, ostateczne zatwierdzanie promotorów (obecność obowiązkowa)

    Przykładowa literatura zalecana studentom w celu ułatwienia wyboru tematyki (może być sukcesywnie rozszerzana).
    Pozycje są w większości dostępne do wglądu w bibliotece PJATK:

  • Witten, Frank "Data Mining" (uczenie maszynowe)
  • James, Witten, Hastie, Tibshirani "An Introduction to Statistical Learning" (statystyczne uczenie maszynowe)
  • Marsland "Machine Learning" (sieci neuronowe, przeszukiwanie lokalne, algorytmy genetyczne)
  • Soumen Chakrabarti "Mining the Web" (web mining, elementy textmining)
  • Goldberg "Algorytmy genetyczne i ich zastosowania"
  • Negnevitsky "Artificial Intelligence"
  • Luger "Artificial Intelligence"
  • Cormen, Leiserson, Rivest, Stein "Introduction to Algorithms" (algorytmy, problemy trudne)
    • --------------------------------------------

    back to: Marcin Sydow - home page
    Aktualizowano: 4 grudnia 2017