Cel kształcenia i wykaz literatury

Główny cel kształcenia: Nabycie umiejętności posługiwania się metodami prognozowania i statystyki rozwiązywania typowych zadań oraz problemów o tematyce technicznej.

Ogólne informacje o zajęciach: Moduł obejmuje zagadnienia związane metodami prognozowania, w tym metody opart o sztuczną inteligencję i inteligencję obliczeniowymi w zagadnieniach inżynierskich.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	I. Bąk, I. Markowicz, M. Mojsiewicz	Statystyka w zadaniach, cz. II, Statystyka matematyczna	WNT, Warszawa.	2002
2	Osowski S.	Sieci neuronowe do przetwarzania informacji	Oficyna Wydawnicza Politechniki Warszawskiej.	2013
3	Rutkowski L.	Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa	PWN, Warszawa.	2005
4	Sobczyk M.	Prognozowanie. Teoria, przykłady, zadania	Wydawnictwo Placet.	2008

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Rabiej M.	Statystyka z programem Statistica	Helion, Gliwice.	2012
2	Middleton M.R	Microsoft Excel w analizie danych	Wydawnictwo RM, Warszawa.	2004
3	S. Ostasiewicz, Z. Rusnak, U. Siedlecka	Statystyka. Elementy teorii i zadania	Wydawnictwo AE Wrocław.	2006
4	Koronacki J., Ćwik J.	Statystyczne systemy uczące się	EXIT, Warszawa.	2008

Literatura do samodzielnego studiowania

1	H. Chudzik, H. Kiełczewska, I. Mejza	Statystyka matematyczna w przykładach i zadaniach	Wydawnictwo UP, Poznań.	2010
2	Cieślak M.	Prognozowanie gospodarcze. Metody i zastosowania	PWN, Warszawa.	2005
3	Dittmann P.	Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie	Oficyna Ekonomiczna, Kraków.	2004

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Brak

Wymagania wstępne w kategorii Wiedzy: Wiedza na temat rachunku różniczkowego, macierzowego. Podstawowe informacje z kombinatoryki i informatyki.

Wymagania wstępne w kategorii Umiejętności: Umiejętność rozwiązywania zadań z rachunku różniczkowego, kombinatoryki, programowania oraz umiejętność posługiwania się narzędziami informatycznymi.

Wymagania wstępne w kategorii Kompetencji społecznych: Aktywność i otwartość w pozyskiwaniu wiedzy.

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 PRK
01	Potrafi wybierać metodę prognozowania stosownie do specyfiki zadania.	wykład, projekt indywidualny	sprawozdanie z projektu, zaliczenie cz. pisemna	K_W04++ K_U06++ K_K01+	P6S_KK P6S_UU P6S_UW P6S_WG
02	Umie zapisywać formuły predyktora, potrafi wybierać dane oraz narzędzia numeryczne do ich identyfikacji i praktycznego wykorzystania.	wykład, projekt indywidualny	zaliczenie cz. pisemna, sprawozdanie z projektu	K_U01++ K_U06+++ K_K02++	P6S_KK P6S_KO P6S_UU P6S_UW
03	Potrafi używać wybrane narzędzia prognozowania. Potrafi oceniać wiarygodność wyników prognozowania oraz błąd prognozy.	wykład, projekt indywidualny	zaliczenie cz. pisemna, sprawozdanie z projektu	K_U06+++ K_K02++	P6S_KK P6S_KO P6S_UU P6S_UW

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
6	TK01	Prognozowanie matematyczne, podstawy, narzędzia formalne, założenia prognostyczne, cele prognozowania. Organizacja procesu prognostycznego, etapy prognozowania, parametry oceny jakości prognoz, koszty prognozowania.	W1, P	MEK02
6	TK02	Modele ekonometryczne w prognozowaniu. Klasyczny model regresji liniowej. Założenia. Estymacja i interpretacja parametrów. Regresja jednowymiarowa i wielowymiarowa.	W1, W2, P	MEK01 MEK02
6	TK03	Zasady prognozowania szeregów czasowych. Prognozowanie szeregów czasowych z tendencją i wahaniami sezonowymi. Istota metod adaptacyjnych: wygładzanie wykładnicze (modele: Holta, Wintersa, Holta-Wintersa, modele harmoniczne), model trendu pełzającego.	W2, P	MEK01 MEK03
6	TK04	Prognozowanie szeregów czasowych z wykorzystaniem modeli dynamicznych ARMA, ARIMA oraz ARMAX i ARIMAX: założenia, modele matematyczne, ocena jakości prognoz, wpływ długości horyzontu prognozy	W3, P3	MEK01 MEK02 MEK03
6	TK05	Prognozowanie za pomocą jednorównaniowych modeli przyczynowo–skutkowych i modeli trendu. Modele wielorównaniowe: rodzaje, postacie modelu. Analityczne wyznaczanie mnożników.	W4, P	MEK01
6	TK06	Prognozowanie z wykorzystaniem sztucznych sieci neuronowych. Modele prognostyczne z wykorzystaniem sieci neuronowych, przygotowanie danych, proces uczenia i testowania sieci neuronowej, ocena jakości sieci neuronowe.	W4, W5, P	MEK01 MEK02 MEK03
6	TK07	Inne metody sztucznej inteligencji w prognozowaniu, modele NARX, SVM. Wykorzystanie prognoz w sterowaniu, zarządzaniu, energetyce.	W5, P	MEK03

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 6)		Godziny kontaktowe: 10.00 godz./sem.	Uzupełnienie/studiowanie notatek: 10.00 godz./sem. Studiowanie zalecanej literatury: 15.00 godz./sem.
Projekt/Seminarium (sem. 6)	Przygotowanie do zajęć projektowych/seminaryjnych: 10.00 godz./sem.	Godziny kontaktowe: 10.00 godz./sem..	Wykonanie projektu/dokumentacji/raportu: 15.00 godz./sem.
Konsultacje (sem. 6)	Przygotowanie do konsultacji: 2.00 godz./sem.	Udział w konsultacjach: 2.00 godz./sem.
Zaliczenie (sem. 6)	Przygotowanie do zaliczenia: 5.00 godz./sem.	Zaliczenie pisemne: 1.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Zaliczenie pisemne.
Projekt/Seminarium	Oceny z wykonanych zadań projektowych.
Ocena końcowa	Średnia ważona ocen według formuły: 0.4 oceny z wykładu + 0.6 oceny z projektu.

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	Metody śledzenia punktu MPP modułu fotowoltaicznego	2023
3	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
4	A. Czmil; G. Drałus; D. Mazur	Automatic Detection and Counting of Blood Cells in Smear Images Using RetinaNet	2021
5	G. Dec; G. Drałus; B. Kwiatkowski; D. Mazur	Forecasting Models of Daily Energy Generation by PV Panels Using Fuzzy Logic	2021
6	G. Drałus; T. Rak	Prognozowanie w horyzoncie jednej godziny produkcji energii przez panel fotowoltaiczny	2020
7	G. Drałus; T. Rak	Programowanie równoległe w hybrydowym środowisku MPI i OpenMP na klastrze serwerów	2020