Cykl kształcenia: 2024/2025
Nazwa jednostki prowadzącej studia: Wydział Elektrotechniki i Informatyki
Nazwa kierunku studiów: Elektromobilność
Obszar kształcenia: nauki ścisłe/techniczne
Profil studiów: ogólnoakademicki
Poziom studiów: pierwszego stopnia
Forma studiów: stacjonarne
Specjalności na kierunku: Elektromobilność
Tytuł otrzymywany po ukończeniu studiów: inżynier
Nazwa jednostki prowadzącej zajęcia: Katedra Elektrotechniki i Podstaw Informatyki
Kod zajęć: 14737
Status zajęć: obowiązkowy dla programu
Układ zajęć w planie studiów: sem: 2 / W30 L15 / 2 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora 1: dr inż. Grzegorz Drałus
Terminy konsultacji koordynatora: http://pei.prz.edu.pl/plan_zajec_semestr.php
Imię i nazwisko koordynatora 2: dr inż. Antoni Szczepański
Terminy konsultacji koordynatora: http://pei.prz.edu.pl/plan_zajec_semestr.php
Główny cel kształcenia: Zasadniczym celem kształcenia na module jest opanowanie techniki programowania w języku wysokiego poziomu.
Ogólne informacje o zajęciach: Moduł poświęcony jest prezentacji podstawowych i zaawansowanych technik programowania w języku Python. Moduł zawiera szerokie podstawy języka i środowiska programowania. Prezentuje metody sterowania przebiegiem programu, podstawowe i złożone typy danych, wyrażenia, funkcje, moduły i klasy. Przedstawia techniki programowania strukturalnego i obiektowego. Prezentuje podstawy tworzenia graficznego interfejsu użytkownika i aplikacji. Prezentuje wybrane biblioteki wykorzystywane do graficznego przedstawiania danych i kreślenia wykresów.
Materiały dydaktyczne: https://docs.python.org/3/
1 | Mariano Anaya | Czysty kod w Pythonie. Twórz wydajny i łatwy w utrzymaniu kod | Helion. | 2022 |
2 | Miles Rob | Python Zacznij programować | Helion. | 2018 |
3 | Dawson Michael | Python dla każdego | Helion. | 2014 |
1 | Gawryszewski Marek, Kierzkowski Andrzej | Python Ćwiczenia praktyczne | Helion. | 2017 |
2 | Matthes Eric | Python. Instrukcje dla programisty | Helion. | 2016 |
1 | Downey Allen B. | Myśl w języku Python! Nauka programowania | Helion. | 2017 |
2 | Luciano Ramalho | Zaawansowany Python | Promise. | 2015 |
Wymagania formalne: Zapis na dany semestr studiów.
Wymagania wstępne w kategorii Wiedzy: Student powinien znać podstawowe zagadnienia z zakresu algebry i analizy matematycznej i ogólne podstawy programowania.
Wymagania wstępne w kategorii Umiejętności: Student powinien umieć użyć wiedzę matematyczną do formułowania i rozwiązywania prostych zadań informatycznych w oparciu o metody analityczne i eksperymentalne.
Wymagania wstępne w kategorii Kompetencji społecznych: Rozumienie, że znajomość różnorodnych metod programowania i rozwiązywania problemów informatycznych jest istotna dla każdego inżyniera.
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 przeanalizować kod źródłowy, ocenić jego jakość, znaleźć i naprawić typowe błędy. | wykład, laboratorium, | test pisemny/komputerowy, zaliczenie cz. praktyczna |
K_W01+ K_U01+ K_K01+ |
P6S_KO P6S_KR P6S_UU P6S_UW P6S_WG |
02 | Projektuje i programuje aplikacje z użyciem techniki programowania strukturalnego i proceduralnego. | wykład, laboratorium | test pisemny, zaliczenie cz. praktyczna |
K_W09+ K_U10+ K_U12+ K_K02+ |
P6S_KO P6S_KR P6S_UW P6S_WG |
03 | Programuje aplikacje z użyciem techniki programowania obiektowego. | wykład, laboratorium | test pisemny, zaliczenie cz. praktyczna |
K_W09+ K_U10+ K_U12+ K_K02+ |
P6S_KO P6S_KR P6S_UW P6S_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 |
---|---|---|---|---|
2 | TK01 | W01,W02, L01 | MEK01 | |
2 | TK02 | W03, W04, L02 | MEK01 | |
2 | TK03 | W05, W06, L03 | MEK01 MEK02 | |
2 | TK04 | W07, W08, L04 | MEK01 MEK02 | |
2 | TK05 | W09, W10, W11, L05 | MEK01 MEK03 | |
2 | TK06 | W11, W12, L06 | MEK01 MEK03 | |
2 | TK07 | W13, W14, L07 | MEK02 MEK03 | |
2 | TK08 | W15 | MEK01 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 2) | Przygotowanie do kolokwium:
1.00 godz./sem. |
Godziny kontaktowe:
30.00 godz./sem. |
Uzupełnienie/studiowanie notatek:
1.00 godz./sem. Studiowanie zalecanej literatury: 1.00 godz./sem. |
Laboratorium (sem. 2) | Przygotowanie do laboratorium:
3.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Dokończenia/wykonanie sprawozdania:
3.00 godz./sem. |
Konsultacje (sem. 2) | Udział w konsultacjach:
1.00 godz./sem. |
||
Zaliczenie (sem. 2) | Przygotowanie do zaliczenia:
2.00 godz./sem. |
Zaliczenie pisemne:
2.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | Testy po niektórych wykładach. Zaliczenie na ostatnim wykładzie. Uzyskanie min 50% punktów. |
Laboratorium | Obecność na laboratorium obowiązkowa. Wykonanie wszystkie laboratoriów i sprawozdań. Oceniana jest jakość wykonanych zadań i sprawozdań. Dwa sprawdziany zaliczeniowe w formie praktycznego programowania na komputerze. Oceną końcową to 0.4*sprawozdania+ 0.6*sprawdziany. Gradacja ocen: 0-50% - 2.0, 51-60% - 3.0, 61-70% - 3.5, 71-80% - 4.0, 81-90% - 4.5, 91-100% - 5.0. |
Ocena końcowa | Ocena końcowa to średnia ważona: 0.6 oceny z laboratorium i 0,4 oceny wykładu. |
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 : https://docs.python.org/
1 | G. Drałus | Metody śledzenia punktu MPP modułu fotowoltaicznego | 2023 |
2 | 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 |
3 | A. Czmil; G. Drałus; D. Mazur | Automatic Detection and Counting of Blood Cells in Smear Images Using RetinaNet | 2021 |
4 | G. Dec; G. Drałus; B. Kwiatkowski; D. Mazur | Forecasting Models of Daily Energy Generation by PV Panels Using Fuzzy Logic | 2021 |
5 | G. Drałus; T. Rak | Prognozowanie w horyzoncie jednej godziny produkcji energii przez panel fotowoltaiczny | 2020 |
6 | G. Drałus; T. Rak | Programowanie równoległe w hybrydowym środowisku MPI i OpenMP na klastrze serwerów | 2020 |