Cel kształcenia i wykaz literatury

Główny cel kształcenia: Głównym celem kształcenia jest podanie matematycznych i programistycznych podstaw tworzenia narzędzi informatycznych opartych na systemach ekspertowych, prezentacja istniejącego oprogramowania oraz podanie przykładów zastosowań.

Ogólne informacje o zajęciach: Zasadniczym tematem modułu jest prezentacja wybranych metod sztucznej w systemów ekspertowych, wybranych metod drążenia danych oraz wybranych narzędzi systemów ekspertowych

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Mulawka J.	Systemy Ekspertowe	WNT, Warszawa.	1996
2	Jackson P.	Introduction to Expert System	Addison-Wesley.	1999
3	Badźmirowski K., Kubiś J.	Systemy Ekspertowe	Przemysłowy Instytut Elektroniki,Warszawa.	1991

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Mathworks Inc.	Matlab Online Documentation	http://www.mathworks.com.	2012
2	Michalski K.	Demonstracyjne bazy wiedzy pakietu Sphinx. Kody źródłowe	Katowice.	2004

Literatura do samodzielnego studiowania

1	Osowski S.	Sieci neuronowe w ujęciu algorytmicznym	WNT, Warszawa.	1996
2	Chromiec J, Strzemieczna E.	Sztuczna Inteligencja - metody konstrukcji i analizy systemów eksperckich	Akademicka Oficyna Wydawnicza PLJ, Warszawa.	1995
3	Rutkowski L.,	Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa.	PWN, Warszawa.	2005

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Student powinien znać podstawowe zagadnienia z Analizy matematycznej, Algebry liniowej, Matematyki dyskretnej, Podstawy informatyki, Programowania, Algorytmów i struktur danych.

Wymagania wstępne w kategorii Wiedzy: Student ma podstawową wiedzę z zakresu Analizy matematycznej, Matematyki dyskretnej, Podstaw informatyki, Programowania, Algorytmów i struktur danych.

Wymagania wstępne w kategorii Umiejętności: Student powinien umieć użyć wiedzę matematyczną, programistyczną, wiedzę z zakresu algorytmów i struktur danych do używania i tworzenia narzędzi informatycznych opartych na metodach sztucznej intelige

Wymagania wstępne w kategorii Kompetencji społecznych: Ma świadomość odpowiedzialności za pracę własną

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	Potrafi zanalizować zadanie inżynierskie wymagające stosowania systemów ekspertowych	wykład, laboratorium	zaliczenie cz. pisemna	K_W06++	T1A_W03 T1A_W12 InzA_W05
02	Tworzy narzędzia informatyczne oparte na Systemach Ekspertowych	wykład, laboratorium	zaliczenie laboratorium cz. praktyczna, obserwacja wykonawstwa	K_W08+ K_U28++	T1A_W05 T1A_U07 T1A_U16 InzA_U08
03	Potrafi użyć Systemów Ekspertowych do rozwiązywania zadań inżynierskich	wykład, laboratorium	zaliczenie cz. pisemna, laboratorium, zaliczenie cz. praktyczna	K_U26++ K_K01++	T1A_U07 T1A_U14 InzA_U06 T1A_K01

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
7	TK01	Podstawowe zagadnienia i elementy sztucznej inteligencji i systemów ekspertowych. Wykorzystanie systemów ekspertowych w zarządzaniu.	W01	MEK01
7	TK02	Systemy ekspertowe. Struktura i rodzaje systemów ekspertowych. Właściwości systemów ekspertowych.	W02, L01	MEK01 MEK03
7	TK03	Budowa bazy wiedzy. Metody reprezentacji wiedzy, sposoby reprezentacji. Strategie przeszukiwań. Metody wnioskowania, wnioskowanie w przód, sterowanie wnioskowaniem, wnioskowanie wstecz, wnioskowanie mieszane, wnioskowanie rozmyte.	W03, L02	MEK01 MEK02 MEK03
7	TK04	Pozyskiwanie wiedzy, metody tworzenia baz wiedzy. Architektura systemów ekspertowych. Narzędzia do tworzenia systemów ekspertowych, systemy szkieletowe, systemy hybrydowe.	W04, L03, L04	MEK02 MEK03
7	TK05	Zastosowania systemów ekspertowych w zarządzaniu. Tendencje rozwojowe sztucznej inteligencji i systemów ekspertowych	W05, L05	MEK01

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 7)	Przygotowanie do kolokwium: 10.00 godz./sem.	Godziny kontaktowe: 10.00 godz./sem.	Uzupełnienie/studiowanie notatek: 10.00 godz./sem. Studiowanie zalecanej literatury: 10.00 godz./sem.
Laboratorium (sem. 7)	Przygotowanie do laboratorium: 7.00 godz./sem. Przygotowanie do kolokwium: 4.00 godz./sem.	Godziny kontaktowe: 10.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 3.00 godz./sem. Inne: 5.00 godz./sem.
Konsultacje (sem. 7)	Przygotowanie do konsultacji: 2.00 godz./sem.	Udział w konsultacjach: 1.00 godz./sem.
Zaliczenie (sem. 7)	Przygotowanie do zaliczenia: 10.00 godz./sem.	Zaliczenie pisemne: 2.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Wykład kończy się pisemnym zaliczeniem. Warunkiem dopuszczenia do zaliczenia wykładu jest uzyskanie pozytywnej oceny końcowej z laboratorium.
Laboratorium	Obecność na laboratorium obowiązkowa. W przypadku nieobecności należy odrobić laboratorium we wskazanym przez prowadzącego terminie. Do zaliczenia przedmiotu należy wykonać wszystkie laboratoria. Dokumentacja wykonanych zadań na laboratorium jest w formie sprawozdania. Student uzyskuje ocenę każdego sprawozdania. Na zaliczenie student wykonuje projekt na ostatnim laboratorium. Oceną końcową będzie średnia z projektu i średniej ze sprawozdań. Gradacja ocen: 0-50% - 2.0, 51-60% - 3.0, 61-70% - 3.5, 71-80% - 4.0, 81-90% - 4.5, 91-100% - 5.0.
Ocena końcowa	Ocena końcowa wystawiana jest jako średnia ważona 2/3 oceny z laboratorium i 1/3 oceny z wykładu.

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: tak

1	G. Drałus; G. Karnas; G. Masłowski	Identification of cloud-to-ground lightning and intra-cloud lightning based on their radiated electric field signatures using different types of neural networks and machine learning classifiers	2024
2	G. Drałus; M. Gołębiowski; P. Hawro; P. Krutys; T. Kwater	Comprehensive online estimation of object signals for a control system with an adaptive approach and incomplete measurements	2024
3	G. Drałus	Metody śledzenia punktu MPP modułu fotowoltaicznego	2023
4	G. Drałus; J. Drałus; J. Kusznier; D. Mazur	Application of Artificial Intelligence Algorithms in Multilayer Perceptron and Elman Networks to Predict Photovoltaic Power Plant Generation	2023
5	A. Czmil; G. Drałus; D. Mazur	Automatic Detection and Counting of Blood Cells in Smear Images Using RetinaNet	2021
6	G. Dec; G. Drałus; B. Kwiatkowski; D. Mazur	Forecasting Models of Daily Energy Generation by PV Panels Using Fuzzy Logic	2021
7	G. Drałus; T. Rak	Prognozowanie w horyzoncie jednej godziny produkcji energii przez panel fotowoltaiczny	2020
8	G. Drałus; T. Rak	Programowanie równoległe w hybrydowym środowisku MPI i OpenMP na klastrze serwerów	2020