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 Elektrotechniki i Podstaw Informatyki
Kod zajęć: 12317
Status zajęć: obowiązkowy dla programu inżynieria i analiza danych
Układ zajęć w planie studiów: sem: 1 / W15 L15 P15 / 4 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora: dr inż. Grzegorz Drałus
Terminy konsultacji koordynatora: http://pei.prz.edu.pl/plan_zajec_semestr.php
semestr 1: dr inż. prof. PRz Mariusz Borkowski , termin konsultacji http://pei.prz.edu.pl/plan_zajec_semestr.php
Główny cel kształcenia: Zdobycie wiedzy i umiejętności z zakresu statycznych i dynamicznych struktur danych, wybranych technik konstruowania algorytmów oraz złożoności obliczeniowej.
Ogólne informacje o zajęciach: Zdobycie wiedzy i umiejętności z zakresu statycznych i dynamicznych struktur danych, wybranych technik konstruowania algorytmów oraz złożoności obliczeniowej. Moduł prezentuje podstawowe struktury danych (listy, stosy, kolejki, drzewa) oraz algorytmy przetwarzania tych struktur z uwzględnieniem złożoności.
1 | Cormen T. H., Leiserson C. E., Rivest R. L., Stein C. | Wprowadzenie do algorytmów | Wydawnictwo Naukowe PWN. | 2018 |
2 | Wróblewski Piotr | Algorytmy w Pythonie. Techniki programowania dla praktyków | Helion. | 2022 |
3 | Lech Banachowski, Krzysztof Marian Diks, Wojciech Rytter | Algorytmy i struktury danych | PWN. | 2017 |
1 | Sysło Maciej | Algorytmy | Helion. | 2016 |
2 | Wróblewski Piotr | Algorytmy, struktury danych i techniki programowania | Helion. | 2009 |
3 | https://eduinf.waw.pl/inf/alg/001_search/index.php | . | ||
4 | https://visualgo.net/en | . |
1 | Imran Ahmad | 40 algorytmów, które powinien znać każdy programista. Nauka implementacji algorytmów w Pythonie | Helion. | 2021 |
2 | Alfred V. Aho, John E. Hopcroft, Jeffrey D. Ullman | Projektowanie i analiza algorytmów | Helion. | 2003 |
3 | https://runestone.academy/runestone/books/published/pythonds/SortSearch/Hashing.html | . |
Wymagania formalne: Student spełnia wymagania określone w regulaminie studiów.
Wymagania wstępne w kategorii Wiedzy: Podstawa wiedza z informatyki, algebry i statystyki.
Wymagania wstępne w kategorii Umiejętności: Pożądana znajomość dowolnego języka programowania.
Wymagania wstępne w kategorii Kompetencji społecznych: Znajomość i przestrzeganie obowiązków studenta oraz podstawowych zasad etyki.
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 | Ma podstawową wiedzę z zakresu wybranych technik projektowania algorytmów oraz rozumie, jak można poprawić ich efektywność i przejrzystość. | Wykład/ Laboratorium/ Projekt | Zaliczenie cz. pisemna |
K_W05+ K_W06++ K_U05+ K_K01+ |
P6S_KK P6S_UW P6S_WG |
02 | Ma podstawową wiedzę z zakresu elementarnych struktur danych (np. listy kolejki i stosy, drzewa) oraz potrafi wykonywać podstawowe operacje na tych strukturach. | Wykład/ Laboratorium/ Projekt | Zaliczenie cz. Pisemna Cz. praktyczna |
K_W07+ K_U15+ K_U18+ K_K05+ |
P6S_KO P6S_UW P6S_WG |
03 | Ma podstawową wiedzę na temat algorytmów sortowania, potrafi wyjaśnić ich działanie oraz ocenić złożoność wybranych algorytmów. | Wykład/ Laboratorium/ Projekt | Zaliczenie cz. Pisemna Cz. praktyczna |
K_W06++ K_W07+ K_U10+ K_U23+ K_K02+ |
P6S_KK P6S_KO P6S_UK P6S_UW P6S_WG |
04 | Ma wiedzę na temat wybranych algorytmów wyszukiwania elementu o specyficznych właściwościach w zbiorze danych. | wykład/ laboratorium/ projekt | Zaliczenie cz. Pisemna Cz. praktyczna |
K_W06+ K_W07+ K_U10+ K_K02+ |
P6S_KK P6S_KO 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 |
---|---|---|---|---|
1 | TK01 | W01, L01, P1 | MEK01 | |
1 | TK02 | W02, W03, L02, L03, P1 | MEK04 | |
1 | TK03 | W04, L04, P1 | MEK03 | |
1 | TK04 | W05, L05, P2 | MEK02 | |
1 | TK05 | W06, L06, P3 | MEK02 | |
1 | TK06 | W07, W08, L07, P3 | MEK02 MEK04 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 1) | Przygotowanie do kolokwium:
10.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Uzupełnienie/studiowanie notatek:
10.00 godz./sem. Studiowanie zalecanej literatury: 10.00 godz./sem. |
Laboratorium (sem. 1) | Przygotowanie do laboratorium:
7.00 godz./sem. Przygotowanie do kolokwium: 3.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Dokończenia/wykonanie sprawozdania:
7.00 godz./sem. |
Projekt/Seminarium (sem. 1) | Przygotowanie do zajęć projektowych/seminaryjnych:
3.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem.. |
Wykonanie projektu/dokumentacji/raportu:
5.00 godz./sem. Przygotowanie do prezentacji: 2.00 godz./sem. |
Konsultacje (sem. 1) | Przygotowanie do konsultacji:
1.00 godz./sem. |
Udział w konsultacjach:
1.00 godz./sem. |
|
Zaliczenie (sem. 1) | Przygotowanie do zaliczenia:
7.00 godz./sem. |
Zaliczenie pisemne:
1.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | ocena z zaliczenia pisemnego wykładu |
Laboratorium | oceny ze sprawozdań i wykonywanych zadań na zajęciach. |
Projekt/Seminarium | ocena z wykonania zadań projektowych. |
Ocena końcowa | ocena końcowa to średnia w/w z ocen. |
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 |