Cykl kształcenia: 2021/2022
Nazwa jednostki prowadzącej studia: Szkoła Doktorska Politechniki Rzeszowskiej
Profil studiów:
Nazwa jednostki prowadzącej zajęcia: Katedra Informatyki i Automatyki
Kod zajęć: 13154
Status zajęć: obowiązkowy dla programu
Układ zajęć w planie studiów: sem: 3 / W15 P15 / 0 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora: prof. dr hab. inż. Jacek Kluska
Główny cel kształcenia: Przedstawienie tendencji rozwojowych w różnych dyscyplinach wykorzystujących nowoczesne metody i narzędzia informatyczne, jak również przybliżenie mechanizmów uczenia maszynowego inspirowanych biologią oraz opartych na statystyce matematycznej. W celu zrozumienia idei implementacji komputerowych omawianych algorytmów podana będzie elementarna teoria, jak również liczne przykłady jej zastosowań, m.in. w Przemyśle 4.0.
Ogólne informacje o zajęciach: Wykład ma na celu zachęcenie słuchaczy do stosowania nowoczesnych metod inteligencji obliczeniowej w różnych dyscyplinach mieszczących się w dziedzinie nauk inżynieryjno-technicznych.
Materiały dydaktyczne: Materiały przesyłane uczestnikom Szkoły Doktorskiej w formie prezentacji wykładowcy.
1 | Goodfellow I.J., Bengio Y., Courville A. | Deep Learning | MIT Press. | 2016 |
2 | Kluska J., Żabiński T., Mączka T. | Applications of computational intelligence methods for control and diagnostics. | In: Kulczycki P., Korbicz J., Kacprzyk J. (eds) Automatic Control, Robotics, and Information Processing. Studies in Systems, Decision and Control, vol 296. Springer, Cham, pp. 671 - 698, doi=10.1007/. | 2021 |
3 | Kluska J. | Analytical methods in fuzzy modeling and control. | Vol. 241. Berlin: Springer, doi: 10.1007/978-3-540-89927-3. | 2009 |
4 | Żabiński T., Mączka T., Kluska J., et al. | Failures Prediction in the Cold Forging Process Using Machine Learning Methods | In: Rutkowski L., Korytkowski M., Scherer R., Tadeusiewicz R., Zadeh L.A., Zurada J.M. (eds) Artificial Intelligence and Soft Computing. ICAISC 2014. LNCS, vol 8467. Springer. | 2014 |
5 | Kluska J., Kusy M., Obrzut B. | Prediction of Radical Hysterectomy Complications for Cervical Cancer Using Computational Intelligence Methods | In: Rutkowski L., Korytkowski M., Scherer R., Tadeusiewicz R., Zadeh L.A., Zurada J.M. (eds) Artificial Intelligence and Soft Computing. ICAISC 2012. LNCS, vol 7268. Springer. | 2012 |
6 | Żabiński T., Mączka T., Kluska J., et al. | Condition monitoring in Industry 4.0 production systems - the idea of computational intelligence methods application | Procedia CIRP, Vol. 79, pp. 63 - 67, 2019, 12th CIRP Conference on Intelligent Computation in Manufacturing Engineering, 18-20 July 2018, Gulf of Naples, Italy. | 2018 |
1 | Kluska J. | Adaptive fuzzy control of state-feedback time-delay systems with uncertain parameters | Information Sciences, Vol. 540, pp. 202 - 220. | 2020 |
2 | Bishop C.M. | Pattern Recognition and Machine Learning | Springer. | 2006 |
3 | Kluska J. | Analytical methods in fuzzy modeling and control | Springer-Verlag Berlin-Heidelberg. | 2009 |
Wymagania formalne: Rrejestracja na semestr studiów, w którym realizowany jest przedmiot.
Wymagania wstępne w kategorii Wiedzy: Wiedza na poziomie absolwenta studiów magisterskich z zakresu matematyki (statystyki matematycznej) i informatyki.
Wymagania wstępne w kategorii Umiejętności: Umiejętność obsługi komputera i korzystania ze środowisk programistycznych.
Wymagania wstępne w kategorii Kompetencji społecznych: Zdolność do współpracy w niewielkim zespole.
MEK | Doktorant, 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 zaawansowaną wiedzę z zakresu nowoczesnych technik informatycznych | wykład, seminarium | referat ustny |
K_W01++ K_U05+ |
P8S_UK P8S_WG |
02 | potrafi efektywnie pozyskiwać informacje związane z działalnością naukową z różnych źródeł, także w językach obcych, oraz dokonywać właściwej selekcji i interpretacji tych informacji | wykład, seminarium | referat ustny |
K_U05+ |
P8S_UK |
03 | potrafi rozwiązywać złożone zadania i problemy związane z reprezentowaną dyscypliną naukową, w tym zadania i problemy nietypowe, stosując koncepcyjnie nowe metody, stanowiące nowatorskie rozwiązania o praktycznym zastosowaniu, których poziom oryginalności uzasadnia publikację w recenzowanych wydawnictwach | wykład, seminarium | raport ustny |
K_W01+ K_U05+ |
P8S_UK P8S_WG |
04 | potrafi dokumentować wyniki prac badawczych oraz tworzyć opracowania mające charakter publikacji naukowych, także w języku obcym, zgodnie z zasadami tworzenia tego typu opracowań, w szczególności zachowując zasady związane z poszanowaniem praw autorskich | wykład, seminarium | referat ustny |
K_U05+ |
P8S_UK |
05 | wykazuje samokrytycyzm w pracy twórczej; rozumie i odczuwa potrzebę ciągłego dokształcania się i podnoszenia kompetencji zawodowych i osobistych, śledzenia i analizowania najnowszych osiągnięć związanych z technikami informatycznymi | wykład | referat ustny |
K_U05+ |
P8S_UK |
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 |
---|---|---|---|---|
3 | TK01 | - | MEK01 MEK02 MEK03 MEK05 | |
3 | TK02 | - | MEK01 MEK02 MEK03 MEK05 | |
3 | TK03 | - | MEK01 MEK02 MEK03 MEK05 | |
3 | TK04 | - | MEK01 MEK02 MEK03 MEK05 | |
3 | TK05 | - | MEK01 MEK02 MEK03 MEK05 | |
3 | TK06 | - | MEK01 MEK02 MEK03 MEK04 MEK05 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 3) | Godziny kontaktowe:
15.00 godz./sem. |
||
Projekt/Seminarium (sem. 3) | Godziny kontaktowe:
15.00 godz./sem.. |
||
Konsultacje (sem. 3) | |||
Zaliczenie (sem. 3) |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | Prezentacja ustna |
Projekt/Seminarium | Ocena prezentacji. |
Ocena końcowa | Średnia arytmetyczna. |
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. Czmil; S. Czmil; J. Kluska | An empirical study of a simple incremental classifier based on vector quantization and adaptive resonance theory | 2024 |
2 | A. Czmil; S. Czmil; J. Kluska | GPR: A Python implementation of an extremely simple classifier based on fuzzy logic and gene expression programming | 2023 |
3 | A. Czmil; S. Czmil; J. Kluska | CACP: Classification Algorithms Comparison Pipeline | 2022 |
4 | J. Kluska; M. Madera | Extremely simple classifier based on fuzzy logic and gene expression programming | 2021 |
5 | J. Kluska; T. Mączka; T. Żabiński | Applications of Computational Intelligence Methods for Control and Diagnostics | 2021 |
6 | L. Gniewek; Z. Hajduk; J. Kluska; T. Żabiński | FPGA-Embedded Anomaly Detection System for Milling Process | 2021 |
7 | J. Kluska | Adaptive fuzzy control of state-feedback time-delay systems with uncertain parameters | 2020 |
8 | J. Kluska | Członek Komitetu Automatyki i Robotyki Polskiej Akademii Nauk | 2020 |
9 | J. Kluska | Członkostwo w komitecie redakcyjnym czasopisma International Journal of Applied Mathematics and Computer Science | 2020 |
10 | J. Kluska | Wiceprzewodniczący Rady Naukowej Instytutu Badań Systemowych Polskiej Akademii Nauk | 2020 |
11 | J. Kluska; M. Kusy; R. Zajdel; T. Żabiński | Fusion of Feature Selection Methods for Improving Model Accuracy in the Milling Process Data Classification Problem | 2020 |
12 | J. Kluska; M. Kusy; R. Zajdel; T. Żabiński | Weighted Feature Selection Method for Improving Decisions in Milling Process Diagnosis | 2020 |
13 | J. Kluska; T. Mączka; T. Żabiński | Zastosowania metod inteligencji obliczeniowej do sterowania i diagnostyki | 2020 |
14 | J. Kluska; T. Żabiński | PID-Like Adaptive Fuzzy Controller Design Based on Absolute Stability Criterion | 2020 |
15 | J. Kluska | Członek Komitetu Automatyki i Robotyki Polskiej Akademii Nauk | 2019 |
16 | J. Kluska | Członkostwo w komitecie redakcyjnym czasopisma International Journal of Applied Mathematics and Computer Science | 2019 |
17 | J. Kluska | Przewodniczący Sekcji Systemów Inteligentnych w Komitecie Automatyki i Robotyki Polskiej Akademii Nauk | 2019 |
18 | J. Kluska | Wiceprzewodniczący Rady Naukowej Instytutu Badań Systemowych Polskiej Akademii Nauk | 2019 |
19 | J. Kluska; M. Kusy; B. Obrzut; M. Obrzut; A. Semczuk | Prediction of 10-year Overall Survival in Patients with Operable Cervical Cancer using a Probabilistic Neural Network | 2019 |
20 | J. Kluska; M. Madera ; T. Mączka; J. Sęp; T. Żabiński | Condition monitoring in Industry 4.0 production systems - the idea of computational intelligence methods application | 2019 |