Quick Contact

dr hab.

Krzysztof Pancerz

Adiunkt w Katedrze Podstaw Informatyki KUL. Specjalista w zakresie zastosowań zbiorów przybliżonych, uczenia maszynowego oraz ontologii.

Professional Skills

Data Science w środowisku R 100%
Uczenie maszynowe 100%
Rozpoznawaniu obrazów 100%

Podczas swoich zajęć dotyka następujących treści:

Podstawy uczenia maszynowego

  1. Idea i cele uczenia maszynowego. Uczenie nadzorowane i nienadzorowane
  2. Wstępne przetwarzanie danych na potrzeby uczenia maszynowego
  3. Klasyfikacja danych. Rodzaje klasyfikatorów
  4. Klasyfikatory leniwe (algorytm k-NN, naiwny klasyfikator Bayesa)
  5. Klasyfikatory oparte o model (sztuczne sieci neuronowe, drzewa decyzyjne, maszyny wektorów nośnych)
  6. Ocena jakości klasyfikatorów
  7. Regresja
  8. Klasteryzacja danych
  9. Wybrane metody klasteryzacji danych (algforytm k-średnich, klasteryzacja hierarchiczna, klasteryzacja gęstościowa)

Programowanie aplikacji Data Science w środowisku R

  1. Wprowadzenie do języka R
  2. Zintegrowane środowisko programistyczne RStudio
  3. Przetwarzanie i analiza danych w środowisku R
  4. Wizualizacja danych w środowisku R
  5. Generowanie raportów z wykorzystaniem pakietu knitr
  6. Tworzenie REST API z wykorzystaniem pakietu plumber
  7. Tworzenie aplikacji webowych z wykorzystaniem pakietu Shiny

Głębokie sieci neuronowe w rozpoznawaniu obrazów

  1. Konwolucyjne sieci neuronowe (CNN)
  2. Wyjaśnienie mechanizmu konwolucji i poolingu (Min pooling Max pooling oraz Average pooling)
  3. Przykłady wykorzystania sieci CNN w rozpoznawaniu obrazów