Cel kształcenia i wykaz literatury

Główny cel kształcenia: Celem kształcenia jest zdobycie wiedzy i umiejętności w zakresie nowoczesnych metod i technik zwanych systemami sztucznej inteligencji (AI) oraz ich twórczego zastosowania do rozwiązywania problemów optymalizacyjnych w obszarze inżynierii przestrzeni powietrznej.

Ogólne informacje o zajęciach: W ramach wykładów studenci zapoznają się z teorią podejmowania decyzji i uczą się wybranych metod optymalizacji opartych na sztucznej inteligencji. W ramach ćwiczeń studenci rozwiązują zadania optymalizacji poprzez zastosowanie metod, teori i technik zaprezentowanych na wykładach. Studenci proponują ich wykorzystanie do rozwiązywania wybranych problemów, które występują w lotnictwie.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Cormen T. H., Leiserson Ch. E., Rivest R. L., Stein C.	Wprowadzenie do algorytmów	PWN.	2021
2	Rutkowski L.	Metody i techniki sztucznej inteligencji	PWN.	2012
3	Hurbans R.	Algorytmy sztucznej inteligencji. Ilustrowany przewodnik.	Helion.	2021
4	Goldberg D. E.	Algorytmy genetyczne i ich zastosowania	WNT.	2003
5	Kwiecień J.	Algorytmy stadne w rozwiązywaniu wybranych zagadnień optymalizacji dyskretnej i kombinatorycznej	Wydawnictwo AGH.	2015

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1

MathWorks, MIDACO

Dokumentacja oprogramowania

MATLAB, MIDACO-SOLVER.

Literatura do samodzielnego studiowania

1

Hurbans R.

Grokking Artificial Intelligence Algorithms

Manning.

2020

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Rejestracja studenta na semestrze pierwszym studiów stacjonarnych drugiego stopnia kierunku Lotnictwo i kosmonautyka.

Wymagania wstępne w kategorii Wiedzy: Wiedza podstawowa w zakresie matematyki i informatyki.

Wymagania wstępne w kategorii Umiejętności: Umiejętność posługiwania się sprzętem i oprogramowaniem komputerowym oraz dokumentacją w języku angielskim.

Wymagania wstępne w kategorii Kompetencji społecznych: Umiejętność pracy w zespole.

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 i rozumie podstawowe pojęcia teorii podejmowania decyzji i optymalizacji oraz metody podejmowania decyzji, w tym algorytmy optymalizacji oparte na sztucznej inteligencij i inspirowane naturą.	Wykład	Sprawdzian pisemny na końcu semestru	K_W04++ K_W05++	P7S_WG
02	potrafi identyfikować zadania optymalizacyjne wymagające zastosowania nieklasycznych metod optymalizacji i opisywać problemy optymalizacyjne z wykorzystaniem różnych metod reprezentacji wiedzy.	Ćwiczenia	Realizacja projektu	K_U06++	P7S_UW
03	potrafi rozpoznać zalety i wady stosowanych metod i otrzymanych rozwiązań; analizować literaturę i publikacje z zakresu inteligentnych systemów decyzyjnych.	Ćwiczenia	Realizacja projektu	K_U05++	P7S_UK
04	potrafi zastosować poznane na wykładzie tematy do rozwiązywania praktycznych zadań optymalizacyjnych; wybrać i zastosować istniejące narzędzia programowe do rozwiązywania zadań optymalizacyjnych; zaproponować rozwiązanie rzeczywistego problemu optymalizacji w inżynierii lotniczej za pomocą wybranych narzędzia optymalizacyjne oparte na sztucznej inteligencji; przeprowadzać symulacje komputerowe, analizować i interpretować wyniki, formułować wnioski; jest przygotowany do prowadzenia badań naukowych w zakresie inżynierii lotniczej.	Ćwiczenia	Realizacja projektu	K_U08++ K_U10++	P7S_KR P7S_UW
05	potrafi rozwiązywać problemy optymalizacyjne w ramach pracy zespołowej, posiada świadomość odpowiedzialności za wspólnie wykonywane zadania.	Ćwiczenia	Realizacja projektu	K_K02++	P7S_KO

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
2	TK01	Wprowadzenie do teorii optymalizacji: złożoność obliczeniowa, problemy kombinatoryczne, problemy P, NP, NP-trudne, NP-zupełne.	W01	MEK01 MEK02 MEK03
2	TK02	Algorytmy ewolucyjne.	W02, W03	MEK01 MEK02 MEK03
2	TK03	Symulowane wyżarzanie.	W04	MEK01 MEK02 MEK03
2	TK04	Algorytmy mrówkowe i pszczele.	W05	MEK01 MEK02 MEK03
2	TK05	Optymalizacja za pomocą roju cząstek.	W06	MEK01 MEK02 MEK03
2	TK06	Hybrydowe metody optymalizacji.	W07	MEK01 MEK02 MEK03
2	TK07	Kolokwium zaliczeniowe wykładu.	W08	MEK01 MEK02 MEK03
2	TK08	Wprowadzenie do laboratorium: organizacja, utworzenie zespołów roboczych, przydział tematów. Omówienie dostępnych narzędzi programowych do wykorzystania przy rozwiązywaniu zadań optymalizacyjnych.	C01	MEK04 MEK05
2	TK09	Prezentacja przeglądu literatury na temat wybranych metod optymalizacji i ich zastosowań praktycznych.	C02	MEK03
2	TK10	Określenie problematyki, prezentacja koncepcji projektów proponowanych przez każdy zespół roboczy.	C03	MEK04 MEK05
2	TK11	Opanowanie oprogramowania służącego do rozwiązywania wybranego zadania optymalizacyjnego.	C04	MEK04 MEK05
2	TK12	Praktyczna realizacja projektów, dyskusja.	C05	MEK04 MEK05
2	TK13	Prezentacja raportów z realizacji projektów i uzyskanych wyników przez każdy zespół roboczy. Podsumowanie.	C06, C07	MEK04 MEK05

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 2)	Przygotowanie do kolokwium: 15.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Studiowanie zalecanej literatury: 15.00 godz./sem.
Ćwiczenia/Lektorat (sem. 2)	Przygotowanie do ćwiczeń: 40.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.
Konsultacje (sem. 2)
Egzamin (sem. 2)

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Wiedza z wykładów sprawdzana jest na kolokwium, które odbywa się na ostatnim wykładzie. Warunkiem zaliczenia przedmiotu jest jest uzyskanie oceny pozytywnej z kolokwium.
Ćwiczenia/Lektorat	Warunkiem zaliczenia ćwiczeń jest obecność na zajęciach i uzyskanie oceny pozytywnej z realizacji projektu. W ocenie końcowej z ćwiczeń uwzględnia się także aktywność studenta na zajęciach i stopień jego przygotowania do zajęć (plusy i minusy).
Ocena końcowa	W ocenie końcowej z przedmiotu uwzględniana jest ocena z ćwiczeń (z wagą 0.7) oraz kolokwium zaliczeniowego z wykładu (z wagą 0.3).

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	L. Rolka	Multi-Criteria Decision-Making by Approximation in the Domain of Linguistic Values	2023
2	A. Mieszkowicz-Rolka; L. Rolka	Multi-Criteria Decision-Making with Linguistic Labels	2022
3	A. Mieszkowicz-Rolka; L. Rolka	Preference-Oriented Fuzzy TOPSIS Method	2021
4	A. Mieszkowicz-Rolka; L. Rolka	Variable Precision Fuzzy Rough Set Model with Linguistic Labels	2020
5	G. Drupka; A. Mieszkowicz-Rolka; L. Rolka	Multicriteria decision-making in flight route selection	2020
6	A. Mieszkowicz-Rolka; L. Rolka	Labeled Fuzzy Rough Sets in Multiple-Criteria Decision-Making	2019
7	A. Mieszkowicz-Rolka; L. Rolka	The Concept of Fuzzy Linguistic Labels for Studying Decision Systems in Air Transportation	2019