Cykl kształcenia: 2018/2019
Nazwa jednostki prowadzącej studia: Wydział Elektrotechniki i Informatyki
Nazwa kierunku studiów: Informatyka
Obszar kształcenia: nauki techniczne
Profil studiów: ogólnoakademicki
Poziom studiów: pierwszego stopnia
Forma studiów: niestacjonarne
Specjalności na kierunku: EFA-ZI - inżynieria systemów informatycznych, EFS-ZI - systemy i sieci komputerowe, EFT-DI - informatyka w przedsiębiorstwie
Tytuł otrzymywany po ukończeniu studiów: inżynier
Nazwa jednostki prowadzącej zajęcia: Katedra Elektrotechniki i Podstaw Informatyki
Kod zajęć: 2971
Status zajęć: wybierany dla specjalności
Układ zajęć w planie studiów: sem: 7 / W10 L10 / 3 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora: dr inż. Grzegorz Drałus
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
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 |
1 | Mathworks Inc. | Matlab Online Documentation | http://www.mathworks.com. | 2012 |
2 | Michalski K. | Demonstracyjne bazy wiedzy pakietu Sphinx. Kody źródłowe | Katowice. | 2004 |
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 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
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).
Sem. | TK | Treści kształcenia | Realizowane na | MEK |
---|---|---|---|---|
7 | TK01 | W01 | MEK01 | |
7 | TK02 | W02, L01 | MEK01 MEK03 | |
7 | TK03 | W03, L02 | MEK01 MEK02 MEK03 | |
7 | TK04 | W04, L03, L04 | MEK02 MEK03 | |
7 | TK05 | W05, L05 | MEK01 |
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. |
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. |
Wymagane podczas egzaminu/zaliczenia
(-)
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
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 |