Cel kształcenia i wykaz literatury

Główny cel kształcenia: Przekazanie rozszerzonej wiedzy z zakresu inteligentnych systemów komputerowych

Ogólne informacje o zajęciach: Moduł zakłada zapoznanie studentów z uwarunkowaniami dotyczącymi stosowania inteligentnych systemów komputerowych, najważniejszymi metodami formalnymi oraz wybranymi algorytmami składającymi się na funkcjonalności tej klasy systemów.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	L.Rutkowski	Metody i techniki sztucznej inteligencji	PWN, Warszawa.	2009
2	J.Mulawka	Systemy ekspertowe	WNT, Warszawa.	1996
3	D.Rutkowska, M.Piliński, L.Rutkowski	Sieci neuronowe, algorytmy genetyczne i systemy rozmyte	PWN, Warszawa-Łódź.	1997

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Z.Michalewicz	Algorytmy genetyczne + struktury danych = programy ewolucyjne	WNT, Warszawa.	1996
2	D.E.Goldberg	Algorytmy genetyczne i ich zastosowanie	WNT, Warszawa.	1995

Literatura do samodzielnego studiowania

1	R.Tadeusiewicz	Sieci neuronowe	Akademicka Oficyna Wydawnicza, Warszawa.	1993
2	Z.Pawlak	Systemy informacyjne	WNT, Warszawa.	1983

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Status studenta PRz

Wymagania wstępne w kategorii Wiedzy: Znajomość podstaw logiki matematycznej, teorii zbiorów oraz metod numerycznych

Wymagania wstępne w kategorii Umiejętności: Umiejętność samodzielnego konstruowania algorytmów oraz ich implementacji w wybranym języku programowania

Wymagania wstępne w kategorii Kompetencji społecznych: Uczciwość, komunikatywność, umiejętność radzenia sobie z emocjami i ze stresem, z porażkami, odpowiedzialność i szacunek do innych

Efekty kształcenia dla zajęć

MEK	Student, który zaliczył zajęcia	Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia	Metody weryfikacji każdego z wymienionych efektów kształcenia	Związki z KEK	Związki z OEK
01	Ma znajomość i rozumie pojęcia z zakresu sztucznej inteligencji i inżynierii wiedzy	wykład, laboratorium	egzamin cz. pisemna, raport pisemny	K_W001++ K_W002+++ K_U001+++ K_U008+ K_K001+	T2A_W01++ T2A_W03+++ T2A_U08++ T2A_U09+++ T2A_U10++ T2A_U11++ T2A_K02+
02	Ma znajomość i rozumie metody reprezentacji wiedzy oraz zasady ich wykorzystywania	wykład, laboratorium	egzamin cz. pisemna, raport pisemny	K_W001++ K_U001++ K_U008+ K_K001+	T2A_W01++ T2A_U08++ T2A_U09+++ T2A_U10++ T2A_U11++ T2A_K02+
03	Ma znajomość i rozumie algorytmy stosowane przy podejmowaniu decyzji	wykład, laboratorium	egzamin cz. pisemna, raport pisemny	K_W001+ K_W002++ K_U001++ K_U007++ K_U008+	T2A_W01+ T2A_W03+++ T2A_U08++ T2A_U09++ T2A_U10+++ T2A_U11++
04	Ma wiedzę dotyczącą możliwości zastosowania metod inteligentnych w systemach informatycznych	wykład, laboratorium	egzamin cz. pisemna, raport pisemny	K_U007++ K_U012++ K_U017+ K_U019++	T2A_U08+ T2A_U09+++ T2A_U17+++ T2A_U18+++

Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
2	TK01	Podstawowe formalizmy logiki klasycznej – rachunek zdań, rachunek predykatów, stwierdzenia i reguły. Metody wnioskowania – w przód, wstecz.	W01, W02, L01	MEK02
2	TK02	Systemy ekspertowe – metodyka tworzenia, struktura, własności i obszary zastosowania.	W03, W04	MEK03 MEK04
2	TK03	Logika rozmyta – podstawowe pojęcia teorii zbiorów rozmytych, operacje na zbiorach rozmytych, zasady wnioskowania. Regulatory rozmyte i rozmyte systemy regułowe. System Mandaniego. Zastosowania systemów rozmytych do wspomagania decyzji – przykłady.	W05, W06	MEK01 MEK04
2	TK04	Podstawowe pojęcia teorii zbiorów przybliżonych – system informacyjny, pojęcie termu oraz dolnego i górnego przybliżenia, operatory przybliżone, przybliżony język zapytań.	W07, W08	MEK02
2	TK05	Tablice decyzyjne i drzewa decyzyjne.	W09	MEK02 MEK03
2	TK06	Podstawy algorytmów genetycznych – operatory genetyczne, mechanizmy selekcji. Prosty algorytm genetyczny i jego parametry, warunki oceny efektywności algorytmów genetycznych.	W10, W11, L02 - L10	MEK03
2	TK07	Wprowadzenie do sztucznych sieci neuronowych – podstawowy model neuronu, perceptron, model Adelina, zasada uczenia neuronu, wielowarstwowe sieci neuronowe, obszary zastosowania sztucznych sieci neuronowych.	W12, W13	MEK03 MEK04
2	TK08	Wprowadzenie do systemów agentowych – pojęcie agenta i systemu agentowych, modele agenta, zdecentralizowane systemy informacyjno-decyzyjne i ich zastosowania.	W14, W15	MEK03 MEK04

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 2)	Przygotowanie do kolokwium: 15.00 godz./sem.	Godziny kontaktowe: 30.00 godz./sem.	Uzupełnienie/studiowanie notatek: 10.00 godz./sem. Studiowanie zalecanej literatury: 10.00 godz./sem.
Laboratorium (sem. 2)	Przygotowanie do laboratorium: 30.00 godz./sem. Przygotowanie do kolokwium: 15.00 godz./sem.	Godziny kontaktowe: 20.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 15.00 godz./sem.
Konsultacje (sem. 2)	Przygotowanie do konsultacji: 0.50 godz./sem.	Udział w konsultacjach: 2.00 godz./sem.
Egzamin (sem. 2)	Przygotowanie do egzaminu: 15.00 godz./sem.	Egzamin pisemny: 2.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Egzamin pisemny
Laboratorium	Ocena przedstawionego sprawozdania pisemnego.
Ocena końcowa	wypadkowa ocen z wykładu i laboratorium

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: nie