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: drugiego stopnia
Forma studiów: stacjonarne
Specjalności na kierunku: H - Cyberbezpieczeństwo i technologie chmurowe, I - Inżynieria inteligentnych systemów informatycznych, S - Systemy i sieci komputerowe
Tytuł otrzymywany po ukończeniu studiów: magister inżynier
Nazwa jednostki prowadzącej zajęcia: Katedra Informatyki i Automatyki
Kod zajęć: 1430
Status zajęć: obowiązkowy dla specjalności I - Inżynieria inteligentnych systemów informatycznych
Układ zajęć w planie studiów: sem: 1 / W30 C15 L15 / 5 ECTS / E
Język wykładowy: polski
Imię i nazwisko koordynatora: dr hab. inż. prof. PRz Marian Wysocki
Terminy konsultacji koordynatora: informacja na stronie KIiA: https://office.kia.prz.edu.pl
semestr 1: dr hab. inż. prof. PRz Tomasz Kapuściński , termin konsultacji informacja na stronie KIiA: https://office.kia.prz.edu.pl
semestr 1: dr inż. Dawid Warchoł
Główny cel kształcenia: nabycie umiejętności formułowania zadań optymalizacji i ich rozwiązywania z wykorzystaniem komputera
Ogólne informacje o zajęciach: moduł jest prowadzony na pierwszym semestrze studiów drugiego stopnia na kierunku informatyka
Materiały dydaktyczne: M. Wysocki, M. Oszust, T. Kapuściński: Instrukcje do ćwiczeń laboratoryjnych
1 | M. Wysocki | Metody obliczeniowe optymalizacji | www.kia.prz.edu.pl. . | 2022 |
2 | J. Błażewicz, W. Cellary, R. słowiński, J. Węglarz | Badania operacyjne dla informatyków | WNT Warszawa. | 1983 |
1 | M. Wysocki | Metody obliczeniowe optymalizacji | www.kia.prz.edu.pl.. | 2022 |
2 | Praca zbiorowa | Optimization Toolbox for use with Matlab | The MAthWorks Inc. - Help oprogramowania. | 2021 |
3 | Praca zbiorowa | Praca zbiorowa, Global Optimization Toolbox for use with Matlab, | The MAthWorks Inc. - Help oprogramowania. | 2021 |
1 | T. Szapiro | Decyzje menedżerskie z Excelem | PWE, Warszawa. | 2000 |
2 | M. Michalewicz | Algorytmy genetyczne+struktury danych=programy ewolucyjne | WNT, Warszawa. | 1996 |
3 | A. Niederliński | Programowanie w logice z ograniczeniami | Wydawnictwo PKJS, Gliwice. | 2010 |
4 | M. Krzyśko, W. Wołyński, T. Górecki, M. Skorzybut | Systemy uczące się | WNT Warszawa . | 2008 |
5 | K. Krupa | Systemy wspomagania decyzji. Metody badań operacyjnych z zastosowaniem arkusza kalkulacyjnego | PWN Warszawa. | 2021 |
Wymagania formalne: rejestracja na pierwszy semestr studiów drugiego stopnia
Wymagania wstępne w kategorii Wiedzy: podstawowa wiedza z zakresu matematyki, fizyki i informatyki
Wymagania wstępne w kategorii Umiejętności: umiejętność korzystania ze środowisk programistycznych
Wymagania wstępne w kategorii Kompetencji społecznych: zdolność do współpracy w niewielkim zespole (laboratorium)
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 | Rozumie, na czym polega sformulowanie zadania optymalizacji jednokryterialnej | wykład, laboratorium, ćwiczenia rachunkowe | zaliczenie, egzamin | ||
02 | Potrafi zdefiniować zmienne decyzyjne i zapisać matematycznie ograniczenia oraz funkcję celu w podanych typowych, nieskomplikowanych zadaniach optymalizacji statycznej sformułowanych werbalnie | wykład, laboratorium, ćwiczenia rachunkowe | zaliczenie, egzamin |
K_W01+++ K_U01+++ |
P7S_UW P7S_WG |
03 | Potrafi rozwiązać sformułowane matematycznie typowe zadanie optymalizacji jednokryterialnej z wykorzystaniem przyborników programów MATLAB i Excel | wykład, laboratorium, ćwiczenia rachunkowe | zaliczenie, egzamin |
K_U01+++ K_U05+++ K_U06+++ |
P7S_UW |
04 | Zna podstawowe tradycyjne metody numeryczne rozwiązywania zadań optymalizacji statycznej | wykład, ćwiczenia rachunkowe | egzamin |
K_W01+++ K_W03+ |
P7S_WG |
05 | Zna najważniejsze metody inteligencji obliczeniowej związane z optymalizacją: algorytmy genetyczne, optymalizacja roju, symulowane wżarzanie. | wykład, laboratorium, ćwiczenia rachunkowe | egzamin, zaliczenie |
K_W01+++ K_W03+ |
P7S_WG |
06 | Rozumie, na czym polega wieloetapowy problem decyzyjny i zasada optymalności Bellmana | wykład, ćwiczenia rachunkowe | egzamin |
K_W01+++ K_W03+ |
P7S_WG |
07 | Rozumie, na czym polega zadanie optymalizacji wielokryterialnej i potrafi podać przykład praktyczny | wykład, ćwiczenia rachunkowe | egzamin |
K_W01+++ |
P7S_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 | MEK01 | |
1 | TK02 | W01, W02, L01, L02 | MEK01 MEK02 MEK03 | |
1 | TK03 | W02, W03, L02, L03, | MEK01 MEK02 MEK03 | |
1 | TK04 | W04, W05, L04, L05 | MEK01 MEK02 MEK03 | |
1 | TK05 | W06 | MEK04 | |
1 | TK06 | W07, L06 | MEK01 MEK02 MEK03 | |
1 | TK07 | W08 | MEK04 | |
1 | TK08 | W09, L06 | MEK04 | |
1 | TK09 | W10, W11, W12, L07 | MEK01 MEK02 MEK03 MEK05 | |
1 | TK10 | W12, W13 | MEK06 | |
1 | TK11 | W14, W15 | MEK07 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 1) | Godziny kontaktowe:
30.00 godz./sem. |
Uzupełnienie/studiowanie notatek:
8.00 godz./sem. Studiowanie zalecanej literatury: 15.00 godz./sem. |
|
Ćwiczenia/Lektorat (sem. 1) | Godziny kontaktowe:
15.00 godz./sem. |
||
Laboratorium (sem. 1) | Przygotowanie do laboratorium:
10.00 godz./sem. Przygotowanie do kolokwium: 5.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Dokończenia/wykonanie sprawozdania:
10.00 godz./sem. |
Konsultacje (sem. 1) | Udział w konsultacjach:
15.00 godz./sem. |
||
Egzamin (sem. 1) | Przygotowanie do egzaminu:
10.00 godz./sem. |
Egzamin pisemny:
2.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | egzamin |
Ćwiczenia/Lektorat | |
Laboratorium | zaliczenie pisemne |
Ocena końcowa | 0.7 oceny z egzaminu+0.3 oceny z laboratorium |
Wymagane podczas egzaminu/zaliczenia
(-)
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : tak
Dostępne materiały : własne notatki
1 | K. Sidor; M. Wysocki | Recognition of Human Activities Using Depth Maps and the Viewpoint Feature Histogram Descriptor | 2020 |
2 | M. Wysocki | Zaawansowane systemy informatyczne: studia wybranych przypadków | 2020 |
3 | T. Kapuściński; M. Wysocki | Recognition of Signed Expressions in an Experimental System Supporting Deaf Clients in the City Office | 2020 |
4 | T. Kapuściński; D. Warchoł; M. Wysocki | Recognition of Fingerspelling Sequences in Polish Sign Language Using Point Clouds Obtained from Depth Images | 2019 |
5 | T. Kapuściński; J. Marnik; M. Oszust; D. Warchoł; M. Wysocki | Układ wspomagający komunikowanie się osób głuchoniemych z osobami słyszącymi i sposób wspierania takiego komunikowania się | 2019 |