Formy kursu:

Laboratorium

Projekt

Literatura przedmiotu:

• Zed Shaw, Learn Python the Hard Way: A Very Simple Introduction to the Terrifyingly Beautiful World of Computers and Code — Podręcznik do nauki Pythona, z którego można czerpać wiedzę o tym języku zarówno w podstawowych kwestiach, jak i do bardziej zaawansowanych zadań. Zawiera zestaw ćwiczeń z instrukcjami wykonania. (297 stron)
• Alpaydin, Ethem. Introduction to machine learning. MIT press, 2020. — Zdecydowanie najmłodsza pozycja w stawce. Czwarte wydanie pozycji, która na rynku wydawniczym ukazała się po raz pierwszy w roku 2004. Regularnie aktualizowana, kładąca bardzo duży nacisk na rzetelność prowadzenia eksperymentów badawczych i statystyczne testowanie hipotez, co dla fanów matematyki uczyni z niej lekturę fascynującą, a dla zwolenników beletrystyki – raczej trudną. Polecana zarówno jako lektura podstawowa, jak i do częstych referencji pojęć trudnych do zrozumienia z innych podręczników (712 stron).
• Kuncheva, Ludmila I. Combining pattern classifiers: methods and algorithms. John Wiley & Sons, 2014. — Podręcznik tematyczny dla tych z Państwa, którzy zdecydują się na realizację projektu z zakresu zespołowych metod klasyfikacji. Pomimo specyficznego charakteru pozycji, można w niej również odnaleźć ogólne wprowadzenie do tematu, które powinno dać relatywnie dobrą, poglądową wiedzę w dziedzinie podstawowych metod rozpoznawania. Co prawda zawiera sporą dawkę praktycznych przykładów, ale wszystkie z nich opracowane są w języku MATLAB. Książka pisana językiem lekkim, prosta w lekturze, choć czytelnik może mieć czasem wrażenie, że aż nazbyt prosta (384 strony).
• Hart, Peter E., David G. Stork, and Richard O. Duda. Pattern classification. Hoboken: Wiley, 2000. — Druga edycja podręcznika wydanego oryginalnie w 1973 roku, wzbogacona o rozdziały poświęcone sieciom neuronowym i statystycznym metodom rozpoznawania. Zaznajomionym z najprzyjemniejszymi kursami na pwr można porównać tę książkę z Wprowadzeniem do algorytmów, Cormena. Pozostałych, poinformować, że jest to podręcznik raczej lekki w lekturze, a przez to ciężki w wolumenie (688 stron).
• Mitchell, Tom M. Machine learning. (1997) — Silnie matematyczna pozycja będąca w porównywalnym wieku do studentów realizujących ten kurs, co nie zmienia jednak faktu, że jest to jednak nadal jeden z najbardziej kompletnych podręczników zawierający pełną podstawową teorię z dziedziny (414 stron).