Cykl kształcenia: 2024/2025
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: AA - inżynieria systemów informatycznych, AI - Sztuczna inteligencja, TT - informatyka w przedsiębiorstwie, Z - inżynieria systemów złożonych
Tytuł otrzymywany po ukończeniu studiów: inżynier
Nazwa jednostki prowadzącej zajęcia: Katedra Elektrotechniki i Podstaw Informatyki
Kod zajęć: 12610
Status zajęć: wybierany dla specjalności
Układ zajęć w planie studiów: sem: 6 / W10 P10 / 3 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora: dr inż. Grzegorz Drałus
Terminy konsultacji koordynatora: http://pei.prz.edu.pl/plan_zajec_zjazdy.php
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.
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 |
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 |
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 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.
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).
Sem. | TK | Treści kształcenia | Realizowane na | MEK |
---|---|---|---|---|
6 | TK01 | W1, P | MEK02 | |
6 | TK02 | W1, W2, P | MEK01 MEK02 | |
6 | TK03 | W2, P | MEK01 MEK03 | |
6 | TK04 | W3, P3 | MEK01 MEK02 MEK03 | |
6 | TK05 | W4, P | MEK01 | |
6 | TK06 | W4, W5, P | MEK01 MEK02 MEK03 | |
6 | TK07 | W5, P | MEK03 |
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. |
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. |
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 | 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 |