Cel kształcenia i wykaz literatury

Główny cel kształcenia: Celem kształcenia jest nabycie przez studenta wiedzy i umiejętności z zakresu nowoczesnych metod i technik obliczeniowych zwanych systemami sztucznej inteligencji (AI) i ich zastosowania w inteligentnym podejmowania decyzji z uwzglednieniem zagadnień lotniczych

Ogólne informacje o zajęciach: W ramach zajęć wykładowych student poznaje zagadnienia teoretyczne z zakresu inteligentnych systemów decyzyjnych. Zna typy systemów ekspertowych, różne metody reprezentacji wiedzy i stosowane sposoby wnioskowania. Poznaje teorię zbiorów rozmytych, zbiorów przybliżonych, zagadnienia sztucznych sieci neuronowych i algorytmów genetycznych.W trakcie zajęć ćwiczeniowych rozwiązuje zadania, które stosują w praktyce metody, teorie i techniki omawiane na wykładzie. Studenci proponują zastosowanie ich w zagadnieniach lotniczych w ramach prac zaliczeniowych.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura do samodzielnego studiowania

1	Mulawka J.	Systemy Ekspertowe	WNT Warszawa.	1996
2	Rutkowska D., Piliński M., Rutkowski L.	Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. .	PWN Warszawa .	1997
3	Mrózek A., Płonka L.	Analiza danych metodą zbiorów przybliżonych.	Akademicka Oficyna Wydawnicza PLJ Warszawa .	1999.
4	Wawrzyński P.	Podstawy sztucznej inteligencji	Oficyna Wydawnicza Politechniki Warszawskiej.	2014
5	Ossowski S.	Sieci neuronowe do przetwarzania informacji.	Oficyna Wydawnicza Politechniki Warszawskiej.	2013
6	Rutkowski L.	Metody i techniki sztucznej inteligencji	.	2012

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: rejestracja studenta na semestrze ósmym studiów pierwszego stopnia kierunku Lotnictwo i kosmonautyka

Wymagania wstępne w kategorii Wiedzy: wiedza podstawowa w zakresie informatyki i matematyki

Wymagania wstępne w kategorii Umiejętności: umiejętność posługiwania się literaturą lub dokumentacją w języku angielskim

Wymagania wstępne w kategorii Kompetencji społecznych:

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	zna budowę systemów ekspertowych, podstawowe metody reprezentacji wiedzy stosowane w SE, algorytm ID3, rozumie przebieg procesu wnioskowania, potrafi wymienić wady i zalety stosowanych rozwiązań	wykład, ćwiczenia	sprawdzian pisemny oraz na bieżąco w trakcie zajęć ćwiczeniowych	K_W03++ K_K01+	P6S_KR P6S_WG
02	zna i rozumie podstawowe pojęcia teorii zbiorów rozmytych, zbiorów przybliżonych oraz sztucznych sieci neuronowych i algorytmów genetycznych. Potrafi zastosować poznane na wykładzie zagadnienia w zadaniach obliczeniowych	wykład, ćwiczenia	sprawdzian pisemny oraz na bieżąco w trakcie zajęć ćwiczeniowych	K_W03++ K_K01+	P6S_KR P6S_WG
03	potrafi analizować literaturę i publikacje (w tym w języku angielskim) z zakresu inteligentnych systemów decyzyjnych i na ich podstawie zaproponować rozwiazanie problemu inżynierskiego występującego w lotnictwie.	ćwiczenia	praca zaliczeniowa	K_U01++ K_U05+++ K_U09+ K_U15++ K_K02+	P6S_KR P6S_UK P6S_UO 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
8	TK01	Sztuczna inteligencja. Systemy inteligentnego podejmowania decyzji. Systemy ekspertowe (SE). Zalety, wady, zastosowania systemów ekspertowych ze szczególnym uwzględnieniem lotnictwa. Struktura SE, proces tworzenia, narzędzia do tworzenia, własności, kategorie systemów ekspertowych.	W01, W02	MEK01
8	TK02	Metody reprezentacji wiedzy w systemach ekspertowych	W03	MEK01
8	TK03	Maszyna wnioskująca SE – wnioskowanie w przód, wstecz, mieszane. Maszyna wnioskująca indukcyjna – generowanie reguł za pomocą drzew decyzyjnych - algorytm ID3.	W04,W05,W06	MEK01
8	TK04	Teoria zbiorów rozmytych, system wnioskowania rozmytego.	W07,W08, W09	MEK02
8	TK05	Teoria zbiorów przybliżonych i jej zastosowanie w systemach inteligentnego podejmowania decyzji.	W09, W10,W11	MEK02
8	TK06	Sztuczne sieci neuronowe. Model neuronu, typy sieci, metody uczenia SSN	W11,W12, W13	MEK02
8	TK07	Algorytmy genetyczne i ich zastosowania, systemy hybrydowe.	W13,14	MEK02
8	TK08	Podsumowanie wykładu.	W15	MEK01 MEK02 MEK03
8	TK09	Wykonywanie zadań obliczeniowych z zakresu wnioskowania w systemach eksperckich: w przód, wstecz, mieszanego oraz z zakresu generowania optymalnych drzew decyzyjnych z zastosowaniem algorytmu ID3.	C01, C02	MEK01 MEK03
8	TK10	Rozwiązywanie zadań dotyczących operacji na zbiorach rozmytych i relacjach rozmytych oraz wnioskowania rozmytego	CO3	MEK02 MEK03
8	TK11	Analiza tablic decyzyjnych z wykorzystaniem zbiorów przybliżonych.	C04	MEK02 MEK03
8	TK12	Sztuczne sieci neuronowe-zadania	C05	MEK02 MEK03
8	TK13	Zastosowanie metod inteligentnego podejmowania decyzji w zagadnieniach lotniczych- prezentacje studenckie	CO6, C08	MEK01 MEK02 MEK03
8	TK14	Sprawdzian.	C07	MEK01 MEK02

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 8)		Godziny kontaktowe: 30.00 godz./sem.	Uzupełnienie/studiowanie notatek: 15.00 godz./sem. Studiowanie zalecanej literatury: 30.00 godz./sem.
Ćwiczenia/Lektorat (sem. 8)	Przygotowanie do ćwiczeń: 15.00 godz./sem. Przygotowanie do kolokwium: 10.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.
Konsultacje (sem. 8)
Zaliczenie (sem. 8)

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Treści programowe realizowane na wykładach będą stanowiły tematykę kolokwium przeprowadzonego na zajęciach ćwiczeniowych.
Ćwiczenia/Lektorat	Warunkiem zaliczenia ćwiczeń jest obecność na zajęciach, oraz uzyskanie oceny pozytywnej z kolokwium i pracy zaliczeniowej. Ocena końcowa z ćwiczeń jest wypadkową oceny z kolokwium oraz pracy zaliczeniowej. Uwzględnia również zaangażowanie studenta w trakcie ćwiczeń.
Ocena końcowa	W ocenie końcowej z przedmiotu uwzględnia się ocenę z ćwiczeń oraz dodatkowo obecność na wykładzie.

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	A. Mieszkowicz-Rolka; L. Rolka	Multi-Criteria Decision-Making with Linguistic Labels	2022
2	A. Mieszkowicz-Rolka; L. Rolka	Preference-Oriented Fuzzy TOPSIS Method	2021
3	A. Mieszkowicz-Rolka; L. Rolka	Variable Precision Fuzzy Rough Set Model with Linguistic Labels	2020
4	G. Drupka; A. Mieszkowicz-Rolka; L. Rolka	Multicriteria decision-making in flight route selection	2020
5	A. Mieszkowicz-Rolka; L. Rolka	Labeled Fuzzy Rough Sets in Multiple-Criteria Decision-Making	2019
6	A. Mieszkowicz-Rolka; L. Rolka	The Concept of Fuzzy Linguistic Labels for Studying Decision Systems in Air Transportation	2019