UNIWERSYTET ŁÓDZKI - Centralny System Uwierzytelniania
Strona główna

Wprowadzenie do metod AI i Data Science w chmurze publicznej Azure

Informacje ogólne

Kod przedmiotu: 1100-WDM0DUI
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Wprowadzenie do metod AI i Data Science w chmurze publicznej Azure
Jednostka: Wydział Matematyki i Informatyki
Grupy:
Punkty ECTS i inne: 0 LUB 3.00 (w zależności od programu) 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
Forma zaliczenia:

zaliczenie
Wymagania wstępne:

Podstawy programowania oraz znajomości baz danych.
Skrócony opis:

Celem przedmiotu jest zaznajomienie studentów z podstawowymi metodami uczenia maszynowego z wykorzystaniem chmury obliczeniowej Azure.
Efekty uczenia się:

Po zakończonym kursie student:

E1. rozumie pojęcie i potrafi korzystać z serwisów kognitywnych.

E2. potrafi publikować serwisy kognitywne w zależności od potrzeb.

E3. potrafi budować modele ML w oparciu o dane przy użyciu podstawowych metod ML studio.

E4. potrafi publikować i korzystać z wypracowanych modeli ML.

Powyższe efekty uczenia się osiągane w ramach przedmiotu pozwalają na realizację kierunkowych efektów uczenia się, mających następujące oznaczenia w programie studiów: 11A-1A_W06, 11A-1A_W07, 11A-1A_W09, 11A-1A_W11, 11A-1A_U06, 11A-1A_U09, 11A-1A_U11, 11A-1A_U12, 11A-1A_U13, 11A-1A_U17, 11A-1Ai_U18, 11A-1Ai_U19, 11A-1A_K01, 11A-1A_K03.

Zajęcia w cyklu "Semestr letni 2022/2023" (zakończony)

Okres: 2023-02-20 - 2023-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć: (brak danych)
Koordynatorzy: (brak danych)
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena zgodna z regulaminem studiów

Zajęcia w cyklu "Semestr zimowy 2022/2023" (zakończony)

Okres: 2022-10-01 - 2023-02-19
Wybrany podział planu:
Przejdź do planu
Typ zajęć: (brak danych)
Koordynatorzy: (brak danych)
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena zgodna z regulaminem studiów

Zajęcia w cyklu "Semestr letni 2021/2022" (zakończony)

Okres: 2022-02-21 - 2022-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Ćwiczenia informatyczne, 14 godzin więcej informacji
Wykład, 14 godzin więcej informacji
Koordynatorzy: Robert Kowalczyk
Prowadzący grup: Robert Kowalczyk
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena zgodna z regulaminem studiów
Ćwiczenia informatyczne - Ocena zgodna z regulaminem studiów
Wykład - Ocena zgodna z regulaminem studiów
Metody dydaktyczne:

Metoda ćwiczeń laboratoryjnych.

Prezentacja multimedialna.

Wykład konwersatoryjny.
Sposoby i kryteria oceniania:

Oceną końcową jest ocena z ćwiczeń.

Metody weryfikacji i oceny stopnia osiągnięcia założonych efektów uczenia się:

Ćwiczenia. Przedmiot kończy się projektem zaliczeniowym, który realizuje wszystkie efekty kształcenia E1, E2, E3, E4.


Przewidywany czas pracy własnej (w godzinach lekcyjnych):

- przygotowanie do zajęć (praca bieżąca): 14

- przygotowanie do zaliczenia: 35

Student/ka weryfikuje efekty pracy własnej z prowadzącym zajęcia.
Szczegółowe treści kształcenia:

Treści przedmiotu:

1. Czym jest AI w chmurze obliczeniowej Azure,

2. Co to są serwisy kognitywne i do czego się je wykorzystuje,

3. Podział serwisów kognitywnych w Azure,

4. Data science w Azure,

5. Machine Learnig Studio,

6. Budowanie modeli ML,

7. Publikowanie i wykorzystywanie modeli ML w Azure.
Literatura:

Materiały dostarczone przez architektów firmy Transition Technologies.

Zajęcia w cyklu "Semestr zimowy 2021/2022" (zakończony)

Okres: 2021-10-01 - 2022-01-23
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Ćwiczenia informatyczne, 14 godzin więcej informacji
Wykład, 14 godzin więcej informacji
Koordynatorzy: Robert Kowalczyk
Prowadzący grup: Robert Kowalczyk
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena zgodna z regulaminem studiów
Ćwiczenia informatyczne - Ocena zgodna z regulaminem studiów
Wykład - Ocena zgodna z regulaminem studiów
Metody dydaktyczne:

Metoda ćwiczeń laboratoryjnych.

Prezentacja multimedialna.

Wykład konwersatoryjny.
Sposoby i kryteria oceniania:

Oceną końcową jest ocena z ćwiczeń.

Metody weryfikacji i oceny stopnia osiągnięcia założonych efektów uczenia się:

Ćwiczenia. Przedmiot kończy się projektem zaliczeniowym, który realizuje wszystkie efekty kształcenia E1, E2, E3, E4.


Przewidywany czas pracy własnej (w godzinach lekcyjnych):

- przygotowanie do zajęć (praca bieżąca): 14

- przygotowanie do zaliczenia: 35

Student/ka weryfikuje efekty pracy własnej z prowadzącym zajęcia.
Szczegółowe treści kształcenia:

Treści przedmiotu:

1. Czym jest AI w chmurze obliczeniowej Azure,

2. Co to są serwisy kognitywne i do czego się je wykorzystuje,

3. Podział serwisów kognitywnych w Azure,

4. Data science w Azure,

5. Machine Learnig Studio,

6. Budowanie modeli ML,

7. Publikowanie i wykorzystywanie modeli ML w Azure.
Literatura:

Materiały dostarczone przez architektów firmy Transition Technologies.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest UNIWERSYTET ŁÓDZKI.
kontakt deklaracja dostępności mapa serwisu USOSweb 7.3.0.0-2