Metody systemowe i decyzyjne w informatyce
(ćwiczenia, lato 2019)

 

 

Informacja o kursie

Godziny konsultacji:

  • Piątek, 18:15-20:35, 121 C3 (po wcześniejszym potwierdzeniu e-mailowym) 
  • Środa, 18:15-20:35, 121 C3 (po wcześniejszym potwierdzeniu e-mailowym) 

Zasady zaliczenia: [link]

Zalecana literatura:

  • Murphy, Kevin P. Machine learning: a probabilistic perspective. MIT press, 2012.
  • Bishop, Ch. Pattern Recognition and Machine Learning. Springer, 2006. 

 

Dodatkowe materiały:

  • Kurs uczenia maszynowego (Coursera, EN) [link

Link to mojego kalendarza z dydaktyką (cały semestr, wszystkie grupy) [link]

 

Wyniki: [link] (link nieaktywny gdy wprowadzane są zmiany w pliku)

 

 

Harmonogram kursu

Zajęcia I: Organizacyjne

Wymagania wstępne: -

Agenda: 

  • BHP
  • Zasady zaliczenia
  • Wstęp do uczenia maszynowego

Dodatkowe materiały: -

 

Zajęcia II: Gradienty i podstawowe tożsamości algebraiczne

Wymagania wstępne:

  • Wykonana lista zadań 1 [link]
  • Wypełniona deklaracja [link]

Agenda: 

  • Prezentacje zadań z listy 1
  • Wstęp teoretyczny do listy 2

Dodatkowe materiały:

  • Zakres materiałów z kursu Analiza Matematyczna
    oraz Algebra Liniowa
  • Podstawowe pojęcia: gradient [link], norma [link],
    iloczyn skalarny [link], mnożenie macierzy [link]

 

Zajęcia III: Estymacja ML oraz MAP

Wymagania wstępne:

  • Wykonana lista zadań 2 [link]
  • Wypełniona deklaracja [link]

Agenda: 

  • Prezentacje zadań z listy 2
  • Wstęp teoretyczny do listy 3

Dodatkowe materiały:

  • Podstawowe pojęcia:
    estymacja największej wiarygodności (ML) [link],
    estymacja maksymalnego a posteriori (MAP) [link],
    rozkład dwupunktowy (ang. Bernoulli distribution) [link],
    rozkład wielopunktowy (ang. categorical distribution) [link],
    wielowymiarowy rozkład Gaussa [
    link]
  • Murphy:
    fragmenty rozdziału 2: 2.3.1, 2.3.2, 2.4.5, 2.5.2
    fragmenty rozdziału 3: 3.2.1-3.2.3, 3.3.1-3.3.3

 

Zajęcia IV: Regresja cz. 1

Wymagania wstępne:

  • Wykonana lista zadań 3 [link]
  • Wypełniona deklaracja [link]

Agenda: 

  • Prezentacje zadań z listy 3
  • Wstęp teoretyczny do listy 4

Dodatkowe materiały:

  • Murphy:
    fragmenty rozdziału 7: 7.1, 7.2, 7.3

Zajęcia V: Regresja cz. 2

Wymagania wstępne:

  • Wykonana lista zadań 4 [link]
  • Wypełniona deklaracja [link]

Agenda: 

  • Prezentacje zadań z listy 4
  • Wstęp teoretyczny do listy 5

Dodatkowe materiały:

  • -
  • Murphy, chapter -

 

Zajęcia VI: Klasyfikacja cz. 1

Wymagania wstępne:

  • Wykonana lista zadań 5 [link]
  • Wypełniona deklaracja [link]

Agenda: 

  • Prezentacje zadań z listy 5
  • Wstęp teoretyczny do listy 6

Dodatkowe materiały:

  • -
  • Murphy, chapter -

 

Zajęcia VII: Klasyfikacja cz. 2

Wymagania wstępne:

  • Wykonana lista zadań 6 [link]
  • Wypełniona deklaracja [link]

Agenda: 

  • Prezentacje zadań z listy 6

Dodatkowe materiały:

  • -
  • Murphy, chapter -

 

 

 

SELECTED PROJECTS

 

Deep convolutional neural network
for an automated signal selection in protein NMR spectra

 

Chemical shift-based identification
of oligosaccharide topology

Image analysis for confocal microscopy in the context of 3D liver tissue architecture studies

Commercial projects

X 2014 - ...

Read more

II 2016 - VI 2018

Read More

VII 2013 - VII 2014

Read More

  

Read More

 

 

RECENT WORK

 

2018/6/6

Our manuscript "Chemical shift-based identification of monosaccharide spin-systems with NMR spectroscopy to complement untargeted glycomics" has been accepted in Bioinformatics. 

Open access article is available here. The algorithm proposed in the paper is accessible by the web page glyconmrsearch.nmrhub.eu

 

2018/5/28

Our manuscript "Towards fully automated protein structure elucidation with NMR spectroscopy" has been accepted at BOOM workshop (ICML 2018).

 

 

2018/3/4

Our manuscript "NMRNet: A deep learning approach to automated peak picking of protein NMR spectra" has been accepted in Bioinformatics.

 

CONTACT DETAILS

E-mail:
Building C-3, room 121
Department of Computer Science
Wrocław University of Technology
Wybrzeże Stanisława Wyspiańskiego 27
50-370 Wrocław, Poland