WYKŁAD + LAB

• [T01] Wykład 1 (06.10.2025): wstęp, czym jest "data science"
• [T02] Wykład 2 (13.10.2025): pozyskiwanie danych, API; przykład: cytowania a tekst
• [T04] Wykład 3 (27.10.2025): text mining
• [T05] Wykład 4 (02.11.2025): hurtownie danych, czyszczenie danych, brakujące wartości
• [T06] Wykład 5 (13.11.2025): eksploracyjna analiza danych (EDA)
• [T07] Laboratorium 1 (17.11.2025): EDA, PCA, MDS
• [T08] Wykład 7 i Wykład 8 (24.11.2025): regresja liniowa, regresja logistyczna, klasyfikatory, klasyfikator bayesowski
• [T09] Laboratorium 2 (01.12.2025): Regresja logistyczna, ocena klasyfikatorów, naiwny klasyfikator Bayesowski
• [T10] Wykład 9 i Wykład 10 (08.12.2025): przegląd metod uczenia maszynowego I i II
• [T11] Laboratorium 3 (15.12.2025): LDA i QDA
• [T12] Wykład 11 (22.12.2025): wizualizacja danych
• [T13] Kolokwium (12.01.2026): Przykładowe kolokwium
• [T14] Wykład 12 + kilka slajdów (19.01.2026): etyka w data science