Uczenie maszynowe w MATLABie (MLML)

Opublikowano: 18.01.2023 13:54

Projekt pn. NERW 2 PW. Nauka – Edukacja – Rozwój – Współpraca

Zadanie 16 – Warsztaty szkoleniowe dla studentów w zakresie wykorzystania specjalistycznego oprogramowania w projektowaniu i obliczeniach

 
Opis szkolenia

Szkolenie „Uczenie maszynowe w MATLABie" (MLML) wprowadza do zagadnień analizy danych oraz uczenia maszynowego w środowisku MATLAB wraz z modułami Statistics and Machine Learning Toolbox oraz Deep Learning Toolbox.

Szkolenie przeznaczone jest dla uczestników, którzy znają już MATLABa lub przeszli kurs podstawowy - Wprowadzenie do Programu MATLAB (MLBE). Nie jest wymagane wcześniejsze doświadczenie w programowaniu interfejsów graficznych.

Ponadto zalecane jest aby przed szkoleniem przejść kurs online MATLAB onramp:

Zalecane jest aby przed szkoleniem przejść kurs online MATLAB onramp:

https://matlabacademy.mathworks.com/details/matlab-onramp/gettingstarted

Kurs dostępny jest po zalogowaniu na mathworks.com (konto utworzone przy pomocy adresu email w domenie uczelni pw.edu.pl). Trwa ok. 2 godzin.

Realizacja szkolenia planowana jest w formie zajęć stacjonarnych w dwóch edycjach:

I grupa: 20-21.05.2023

II grupa: 27-28.05.2023

Szkolenia realizowane będą w godz. 9:00-16:30
Kto może wziąć udział Studenci Politechniki Warszawskiej czterech ostatnich semestrów studiów I lub II stopnia.
Cel szkolenia Celem szkolenia jest podniesienie kompetencji cyfrowych studentów Politechniki Warszawskiej w zakresie wykorzystania programu Matlab.
Prowadzący Joanna Witek
Czas trwania

2 dni

16 godzin lekcyjnych + 75 minut przerw w ciągu dnia szkoleniowego.
Miejsce

Centrum Zarządzania Innowacjami i Transferem Technologii Politechniki Warszawskiej

sala nr 1.07 na I piętrze
Zakres szkolenia

Minimalny zakres szkolenia obejmuje:

1) sposoby organizacji i przetwarzania wstępnego danych,
2) klasteryzacja danych,
3) tworzenie modeli klasyfikacyjnych i regresyjnych,
4) interpretacja i ewaluacja modeli,
5) upraszczanie zbiorów danych,
6) wykorzystanie zespołów klasyfikatorów do zwiększenia skuteczności modeli.
Wymagania względem uczestników projektu

Uczestnicy projektu zobowiązani są do:

1. Zapoznania się z Regulaminem rekrutacji

2. Udziału w przynajmniej 80% zajęć

3. Przystąpienia do testu sprawdzającego pod koniec szkolenia.

4. Przystąpienie do badania kompetencji przed rozpoczęciem szkolenia i po zakończeniu szkolenia oraz przekazania danych osobowych wraz z podpisanym oświadczeniem uczestnika projektu.
Dokument wydawany po zakończeniu szkolenia Wszyscy uczestnicy otrzymają zaświadczenie ukończenia kursu.