Cykl kształcenia: 2024/2025
Nazwa jednostki prowadzącej studia: Wydział Matematyki i Fizyki Stosowanej (p.prakt)
Nazwa kierunku studiów: Inżynieria i analiza danych
Obszar kształcenia: nauki ścisłe
Profil studiów: praktyczny
Poziom studiów: pierwszego stopnia
Forma studiów: stacjonarne
Specjalności na kierunku: inżynieria i analiza danych
Tytuł otrzymywany po ukończeniu studiów: inżynier
Nazwa jednostki prowadzącej zajęcia: Katedra Fizyki i Inżynierii Medycznej
Kod zajęć: 12297
Status zajęć: obowiązkowy dla programu inżynieria i analiza danych
Układ zajęć w planie studiów: sem: 5 / W20 L20 / 2 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora: dr inż. Marcin Kowalik
Główny cel kształcenia: Teoretyczna wiedza i praktyczne wykorzystanie wybranych metod sztucznej inteligencji
Ogólne informacje o zajęciach: Przedstawienie wybranych algorytmów sztucznej inteligencji i ich zastosowań z zakresu klasyfikacji danych, regresji, metod klasteryzacji i selekcji cech.
Materiały dydaktyczne: Dostępne w formie elektronicznej na stronie: https://mkusy.v.prz.edu.pl/
1 | Bishop C.M. | Pattern Recognition and Machine Learning | Springer. | 2006 |
2 | Tadeusiewicz R. | Sieci neuronowe | Akademicka Oficyna Wydawnicza, Warszawa. | 1993 |
3 | Vapnik V. | The nature of statistical learning theory | Springer, New York. | 1995 |
4 | Quinlan J.R. | C4.5: Programs for machine learning | Morgan Kaufman Publishers, San Meteo. | 1993 |
5 | Mathworks Inc. Matlab Online Documentation http://www.mathworks.com | . | 2017 |
1 | Mathworks Inc. | Matlab Online Documentation | http://www.mathworks.com. | 2019 |
1 | Gunn S. | Support Vector Machines for Classification and Regression | University of Southampton. | 1998 |
2 | Masters T. | Practical Neural Network Recipes in C++ | Academic, San Diego. | 1993 |
Wymagania formalne: Student zarejestrowany na 6 semestr. Student spełnia wymagania określone w regulaminie studiów.
Wymagania wstępne w kategorii Wiedzy: Podstawowa wiedza z zakresu matematyki i informatyki.
Wymagania wstępne w kategorii Umiejętności: Umiejętność obsługi komputera i korzystania ze środowisk programistycznych
Wymagania wstępne w kategorii Kompetencji społecznych: Umiejętność pracy w zespole.
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 PRK |
---|---|---|---|---|---|
01 | Potrafi wyjaśnić pojęcie sztucznej inteligencji, przedstawić wybrane jej gałęzie i zastosowania. | wykład, laboratorium | obserwacja wykonawstwa, raport pisemny |
K_W06+ K_U09+ K_U10+ K_K04+ |
P6S_KO P6S_KR P6S_UW P6S_WG |
02 | Potrafi wyjaśnić zagadnienie klasyfikacji danych i predykcji. | wykład, laboratorium | obserwacja wykonawstwa, raport pisemny |
K_W06+ K_U09+ K_U10+ K_K04+ |
P6S_KO P6S_KR P6S_UW P6S_WG |
03 | Potrafi wyjaśnić podstawy analizy istotności atrybutów danych wejściowych przedstawionych w formie rekordów | wykład, laboratorium | obserwacja wykonawstwa, raport pisemny |
K_W06+ K_U09+ K_U10+ K_K04+ |
P6S_KO P6S_KR P6S_UW P6S_WG |
04 | Potrafi wyjaśnić zagadnienie klasteryzacji w kontekście uczenia nienadzorowanego | wykład, laboratorium | obserwacja wykonawstwa, raport pisemny |
K_W06+ K_U09+ K_U10+ K_K04+ |
P6S_KO P6S_KR P6S_UW P6S_WG |
05 | Potrafi zaproponować sieć neuronową do zadanego problemu klasyfikacji | wykład, laboratorium | obserwacja wykonawstwa, raport pisemny |
K_W06+ K_U09+ K_U10+ K_K04+ |
P6S_KO P6S_KR P6S_UW P6S_WG |
06 | Potrafi zastosować wybrany algorytm w zadanym problemie klasyfikacji | wykład, laboratorium | obserwacja wykonawstwa, raport pisemny |
K_W06+ K_U09+ K_U10+ K_K04+ |
P6S_KO P6S_KR P6S_UW P6S_WG |
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 |
---|---|---|---|---|
5 | TK01 | W01 | MEK01 | |
5 | TK02 | W02 | MEK02 | |
5 | TK03 | W03 | MEK04 | |
5 | TK04 | W04 | MEK05 | |
5 | TK05 | W05 | MEK05 | |
5 | TK06 | W06 | MEK05 | |
5 | TK07 | W07 | MEK06 | |
5 | TK08 | W08 | MEK06 | |
5 | TK09 | W09 | MEK03 | |
5 | TK10 | W10 | MEK03 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 5) | Godziny kontaktowe:
20.00 godz./sem. |
||
Laboratorium (sem. 5) | Godziny kontaktowe:
20.00 godz./sem. |
||
Konsultacje (sem. 5) | Przygotowanie do konsultacji:
2.00 godz./sem. |
Udział w konsultacjach:
1.00 godz./sem. |
|
Zaliczenie (sem. 5) | Przygotowanie do zaliczenia:
7.00 godz./sem. |
Zaliczenie pisemne:
2.00 godz./sem. Zaliczenie ustne: 1.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | brak |
Laboratorium | pisemny raport/sprawozdanie. |
Ocena końcowa | zaliczenie na podstawie oceny z laboratorium |
Wymagane podczas egzaminu/zaliczenia
(-)
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
1 | A. Horzyk; M. Kowalik; J. Starzyk | Motivated Agent with Semantic Memory | 2023 |
2 | L. Dadiel; Ł. Gondek; C. Jastrzębski; M. Kowalik; S. Kumar Naik; P. Pęczkowski; W. Tabiś; W. Tokarz; P. Zachariasz; J. Żukrowski | Iron diffusivity into superconducting YBa2Cu3O7−δ at oxygen-assisted sintering: structural, magnetic, and transport properties | 2021 |