_Przedmiot prowadzony przez dr inż. Witolda Pawlusa oraz jego zespół z Nokia AI Lab._
__Uwaga:__
Zajęcia zmieniły formę w związku z epidemią. Zostaną przeprowadzone zdalne wykłady, warsztaty zostały odwołane.
Zaliczenie przedmiotu będzie przyznawane na podstawie obecności na wykładach oraz wyników testu końcowego i będzie warte 1 ECTS. Test będzie przeprowadzony na platformie uczelnianej MS Teams.
<a href="https://teams.microsoft.com/l/meetup-join/19%3ameeting_ODlmM2JmY2QtYmZmZS00MTE3LWJmNDUtMmM5MjhhNWM3MjQw%40thread.v2/0?context=%7b%22Tid%22%3a%225d471751-9675-428d-917b-70f44f9630b0%22%2c%22Oid%22%3a%2282817529-801a-492d-89df-2fc035899c48%22%7d">Link do wykładu (MS Teams)</a>
Link do testu do wykładu 2 (będzie otwarty 06.05.20 w godz. 17:30-18:00):
https://forms.office.com/Pages/ResponsePage.aspx?id=-b5xKxM7MkS19B9awieNDOwVJAJ352ZKiGTxu7YMU89UMDgxSU5KQUxPUzVaUUNBN0ZaVERCWE5aVS4u
Link do testu do wykładu 3 (będzie otwarty 13.05.20 w godz. 17:30-18:00):
https://forms.office.com/Pages/ResponsePage.aspx?id=-b5xKxM7MkS19B9awieNDOwVJAJ352ZKiGTxu7YMU89UMklNTUVWNVFTWDhBT1hKRlVSTklZVkhTNC4u
Link do testu do wykładu 4 (będzie otwarty 20.05.20 w godz. 17:30-18:00):
https://forms.office.com/Pages/ResponsePage.aspx?id=-b5xKxM7MkS19B9awieNDOwVJAJ352ZKiGTxu7YMU89URDcwWEdGTlZZQzRNMFUzQ1dRVVlBNktFOC4u
Link do testu do wykładu 5 (będzie otwarty 27.05.20 w godz. 17:30-18:00):
https://forms.office.com/Pages/ResponsePage.aspx?id=-b5xKxM7MkS19B9awieNDOwVJAJ352ZKiGTxu7YMU89UOEMxMlg2WUdLMFpZTURJTVlZMEFMRDUyWS4u
Link do testu do wykładu 6 (będzie otwarty 03.06.20 w godz. 17:30-18:00):
https://forms.office.com/Pages/ResponsePage.aspx?id=-b5xKxM7MkS19B9awieNDOwVJAJ352ZKiGTxu7YMU89UNEUxOElFMUJUWVdZQjlWSzhJNE1KNDVLMS4u
__Nowy harmonogram wykładów__
1. Introduction – __29.04__ - introduction to data science and overview of the rest of this lecture series.
2. Data Collection and Preprocessing – __06.05__ - topics related to real world data collection, problems that typically occur when processing data, and approaches for cleaning it.
3. Descriptive analytics – __13.05__ – discussion of fundamental concepts related to statistics and overview of two popular techniques from this area: clustering and regression analysis. In addition, introduction to forecasting aspects of data analysis and system modelling.
4. Predictive analytics – __20.05__ – an overview of available techniques, and deep dive into two most popular families of models: gradient boosting and convolutional neural networks.
5. Prescriptive analytics – __27.05__ – introduction to concepts and principles related to one of the most prominent methods for data-driven decision making - optimization techniques.
6. Data visualization – __03.06__ – on the importance of data visualization, how to choose an effective visual, and how to adjust the process for the proper audience.
