Wstęp do uczenia maszynowego

Semestr zimowy 2026/27 Materiały z zajęć Wstęp do uczenia maszynowego prowadzonych na Wydziale Matematyki i Nauk Informacyjnych Politechniki Warszawskiej.

Wstęp do uczenia maszynowego skład się z:

• wykładu
• zajęć laboratoryjnych @kozaka93 @krzyzinskim @woznicak

Terminy i tematy zajęć

DZIEŃ	TYDZIEŃ	TEMAT	SKŁADOWA
7-10 8-10	1	Wstęp do przedmiotu, eksploracyjna analiza danych, drzewa regresyjne i metryki regresji
14-10 15-10	2	Drzewa regresyjne i klasyfikacyjne, macierz pomyłek, metryki klasyfikacji
21-10 22-10	3	Przycinanie drzew, ROC/AUC, Precision/Recall, walidacja krzyżowa i dobór hiperparametrów
28-10 29-10	4	Regresja liniowa i logistyczna, intro do pipeline'ów
04-11 05-11	5	Przygotowanie danych, pipeline oraz reprodukowalność wyników	P1 KM1 (12p)
12-11 13-11	6	Powrót do pipeline'ów, regularyzacja regresji logistycznej: L1, L2
18-11 19-11	7	Elastic Net, maszyny wektorów podpierających (SVM)
25-11 26-11	8	Naiwny Bayes, K najbliższych sąsiadów (kNN)	P1 KM2 (12p)
02-12 03-12	9	Selekcja zmiennych, PCA, komitety klasyfikatorów - idea + RF
09-12 10-12	10	Komitety klasyfikatorów
16-12 17-12	11	Analiza skupień: wstęp, k-średnich, metody hierarchiczne - idea
23-12 07-01	12	Analiza skupień: metody oceny jakości podziału, metody hierachiczne
13-01 14-01	13	Analiza skupień: metody hierarchiczne, DBSCAN	P1 Oddanie (28p)
20-01 21-01	14	Sieci neuronowe
27-01 28-01	15	Oddanie Projektu 2	P2 Oddanie (16p)

Schemat oceniania (suma 140p):

• Zajęcia laboratoryjne (80p):

  • projekt I (12p + 12p + 28p)
  • projekt II (16p)
  • niezapowiedziane wejściówki (12p = 3 x 4p)

• Egzamin (60p)

❗ Warunkiem koniecznym do dopuszczenia do egzaminu końcowego jest pomyślne ukończenie zajęć laboratoryjnych, czyli uzyskanie powyżej 50% punktów możliwych do zdobycia.

❗ Warunkiem koniecznym do uzyskania pozytywnej oceny z przedmiotu jest zdobycie ponad 50% punktów możliwych do uzyskania z egzaminu pisemnego.

Ocena końcowa ustalana jest na podstawie sumy punktów uzyskanych z zajęć laboratoryjnych oraz egzaminu pisemnego, według poniższego przelicznika:

Ocena	3	3.5	4	4.5	5
Punkty	(70, 84]	(84, 98]	(98, 112]	(112, 126]	(126, ∞)

Literatura

Wybrane rozdziały z James, G., Witten, D., Hastie, T., Tibshirani, R., Taylor, J. (2023). An Introduction to Statistical Learning with Applications in Python, Springer Science+Business Media, New York. https://www.statlearning.com/

Koronacki Jacek, Ćwik Jan. (2021). Statystyczne systemy uczące się.