Szkoła Główna Handlowa w Warszawie - Centralny System Uwierzytelniania
Strona główna

Uczenie maszynowe w Pythonie

Informacje ogólne

Kod przedmiotu: 23A1W0-S
Kod Erasmus / ISCED: 11.2 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0542) Statystyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Uczenie maszynowe w Pythonie
Jednostka: Szkoła Główna Handlowa w Warszawie
Grupy:
Punkty ECTS i inne: 3.00 (zmienne w czasie) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
zobacz reguły punktacji
Język prowadzenia: polski
Efekty uczenia się:

Wiedza:

Nowoczesne metody data science

Metody uczenia maszynowego

Metody prognozowania

Umiejętności:

Programowanie w Pythonie

Zastosowanie metod ilościowych

Analiza danych

Kompetencje społeczne:

Argumentacja w oparciu o fakty i dane

Praca zespołowa

Zajęcia w cyklu "Semestr letni 2025/26" (jeszcze nie rozpoczęty)

Okres: 2026-02-21 - 2026-09-30

Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 14 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Marek Radzikowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Laboratorium - Ocena
Skrócony opis:

Nauka nowoczesnych metod data science z wykorzystaniem programowania w Pythonie
Pełny opis:

Nauka nowoczesnych metod uczenia maszynowego z wykorzystaniem programowania w Pythonie
Literatura:

Literatura podstawowa:

Aurélien Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, O'Reilly Media, 2022.

Literatura uzupełniająca:

Guido, Sarah, Müller, Andreas C., Introduction to Machine Learning with Python. A Guide for Data Scientists, O'Reilly Media, 2016.

Victor Marak, Nishant Shukla, John Hearty, Jeffery Yee, Man Chon (Kevin) U, Gavin Hackeling, Sarah Guido, Mikhail Korobov, Andreas Mueller, Aman Madaan, Advanced Machine Learning with Python. Solve challenging data science problems by mastering cutting-edge machine learning techniques in Python, Packt Publishing, 2016.

Publikacje własne:

Barbara Cieślik, Maciej Piotrowski, Marek Radzikowski, Koniunktura w finansach : III kwartał 2022, W: Koniunktura w finansach,2022;

Marek Radzikowski, Determinanty inwestycji prywatnych w Polsce oraz przyczyny ich spadku po 2015 r.,W: red. Marek Radzikowski, Monitorowanie działalności gospodarczej. Gospodarka po pandemii COVID-19,2023;

Marek RADZIKOWSKI, Państwo socjalne. Przyczyny i skutki.,2013
Uwagi:

Kryteria oceniania:

egzamin tradycyjny-pisemny: 0.00%

egzamin testowy: 0.00%

egzamin ustny: 0.00%

kolokwium: 0.00%

referaty/eseje: 0.00%

inne (aktywność na zajęciach): 20.00%

projekty (Dwa projekty w Pythonie): 80.00%

studia przypadków: 0.00%

prezentacje indywidualne lub grupowe: 0.00%

Odsetek nieobecności, powyżej którego nie zalicza się przedmiotu (nie dot. wykładów)

wyrażony odsetkiem godzin, powyżej którego wyklucza się osiągnięcie efektów uczenia się: 50%

Zajęcia w cyklu "Semestr zimowy 2025/26" (w trakcie)

Okres: 2025-10-01 - 2026-02-20
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 14 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Marek Radzikowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Laboratorium - Ocena
Skrócony opis:

Nauka nowoczesnych metod data science z wykorzystaniem programowania w Pythonie
Pełny opis:

Nauka nowoczesnych metod uczenia maszynowego z wykorzystaniem programowania w Pythonie
Literatura:

Literatura podstawowa:

Aurélien Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, O'Reilly Media, 2022.

Literatura uzupełniająca:

Guido, Sarah, Müller, Andreas C., Introduction to Machine Learning with Python. A Guide for Data Scientists, O'Reilly Media, 2016.

Victor Marak, Nishant Shukla, John Hearty, Jeffery Yee, Man Chon (Kevin) U, Gavin Hackeling, Sarah Guido, Mikhail Korobov, Andreas Mueller, Aman Madaan, Advanced Machine Learning with Python. Solve challenging data science problems by mastering cutting-edge machine learning techniques in Python, Packt Publishing, 2016.

Publikacje własne:

Barbara Cieślik, Maciej Piotrowski, Marek Radzikowski, Koniunktura w finansach : III kwartał 2022, W: Koniunktura w finansach,2022;

Marek Radzikowski, Determinanty inwestycji prywatnych w Polsce oraz przyczyny ich spadku po 2015 r.,W: red. Marek Radzikowski, Monitorowanie działalności gospodarczej. Gospodarka po pandemii COVID-19,2023;

Marek RADZIKOWSKI, Państwo socjalne. Przyczyny i skutki.,2013
Uwagi:

Kryteria oceniania:

egzamin tradycyjny-pisemny: 0.00%

egzamin testowy: 0.00%

egzamin ustny: 0.00%

kolokwium: 0.00%

referaty/eseje: 0.00%

inne (aktywność na zajęciach): 20.00%

projekty (Dwa projekty w Pythonie): 80.00%

studia przypadków: 0.00%

prezentacje indywidualne lub grupowe: 0.00%

Odsetek nieobecności, powyżej którego nie zalicza się przedmiotu (nie dot. wykładów)

wyrażony odsetkiem godzin, powyżej którego wyklucza się osiągnięcie efektów uczenia się: 50%

Zajęcia w cyklu "Semestr letni 2024/25" (zakończony)

Okres: 2025-02-15 - 2025-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 14 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Marek Radzikowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Laboratorium - Ocena
Skrócony opis:

Nauka nowoczesnych metod data science z wykorzystaniem programowania w Pythonie
Pełny opis:

Nauka nowoczesnych metod uczenia maszynowego z wykorzystaniem programowania w Pythonie
Literatura:

Literatura podstawowa:

Aurélien Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, O'Reilly Media, 2022.

Literatura uzupełniająca:

Guido, Sarah, Müller, Andreas C., Introduction to Machine Learning with Python. A Guide for Data Scientists, O'Reilly Media, 2016.

Victor Marak, Nishant Shukla, John Hearty, Jeffery Yee, Man Chon (Kevin) U, Gavin Hackeling, Sarah Guido, Mikhail Korobov, Andreas Mueller, Aman Madaan, Advanced Machine Learning with Python. Solve challenging data science problems by mastering cutting-edge machine learning techniques in Python, Packt Publishing, 2016.

Publikacje własne:

Marek RADZIKOWSKI, Państwo socjalne. Przyczyny i skutki.,2013;

Barbara Cieślik, Maciej Piotrowski, Marek Radzikowski, Koniunktura w finansach : III kwartał 2022, W: Koniunktura w finansach,2022;

Marek Radzikowski, Determinanty inwestycji prywatnych w Polsce oraz przyczyny ich spadku po 2015 r.,W: red. Marek Radzikowski, Monitorowanie działalności gospodarczej. Gospodarka po pandemii COVID-19,2023

Zajęcia w cyklu "Semestr zimowy 2024/25" (zakończony)

Okres: 2024-10-01 - 2025-02-14
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 14 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Marek Radzikowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Laboratorium - Ocena
Skrócony opis:

Nauka nowoczesnych metod data science z wykorzystaniem programowania w Pythonie
Pełny opis:

Nauka nowoczesnych metod uczenia maszynowego z wykorzystaniem programowania w Pythonie
Literatura:

Literatura podstawowa:

Aurélien Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, O'Reilly Media, 2022.

Literatura uzupełniająca:

Guido, Sarah, Müller, Andreas C., Introduction to Machine Learning with Python. A Guide for Data Scientists, O'Reilly Media, 2016.

Victor Marak, Nishant Shukla, John Hearty, Jeffery Yee, Man Chon (Kevin) U, Gavin Hackeling, Sarah Guido, Mikhail Korobov, Andreas Mueller, Aman Madaan, Advanced Machine Learning with Python. Solve challenging data science problems by mastering cutting-edge machine learning techniques in Python, Packt Publishing, 2016.

Publikacje własne:

Marek RADZIKOWSKI, Państwo socjalne. Przyczyny i skutki.,2013;

Barbara Cieślik, Maciej Piotrowski, Marek Radzikowski, Koniunktura w finansach : III kwartał 2022, W: Koniunktura w finansach,2022;

Marek Radzikowski, Determinanty inwestycji prywatnych w Polsce oraz przyczyny ich spadku po 2015 r.,W: red. Marek Radzikowski, Monitorowanie działalności gospodarczej. Gospodarka po pandemii COVID-19,2023
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Szkoła Główna Handlowa w Warszawie.
al. Niepodległości 162
02-554 Warszawa tel: +48 22 564 60 00 http://www.sgh.waw.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.2.0.0