Cykl kształcenia: 2021/2022
Nazwa jednostki prowadzącej studia: Wydział Budowy Maszyn i Lotnictwa
Nazwa kierunku studiów: Lotnictwo i kosmonautyka
Obszar kształcenia: nauki techniczne
Profil studiów: ogólnoakademicki
Poziom studiów: drugiego stopnia
Forma studiów: stacjonarne
Specjalności na kierunku: Awionika, Pilotaż, Samoloty, Silniki lotnicze
Tytuł otrzymywany po ukończeniu studiów: magister inżynier
Nazwa jednostki prowadzącej zajęcia: Katedra Awioniki i Sterowania
Kod zajęć: 15230
Status zajęć: obowiązkowy dla specjalności Awionika
Układ zajęć w planie studiów: sem: 2 / W15 C15 / 4 ECTS / E
Język wykładowy: polski
Imię i nazwisko koordynatora: dr hab. inż. prof. PRz Leszek Rolka
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.
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 |
1 | MathWorks, MIDACO | Dokumentacja oprogramowania | MATLAB, MIDACO-SOLVER. |
1 | Hurbans R. | Grokking Artificial Intelligence Algorithms | Manning. | 2020 |
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.
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).
Sem. | TK | Treści kształcenia | Realizowane na | MEK |
---|---|---|---|---|
2 | TK01 | W01 | MEK01 MEK02 MEK03 | |
2 | TK02 | W02, W03 | MEK01 MEK02 MEK03 | |
2 | TK03 | W04 | MEK01 MEK02 MEK03 | |
2 | TK04 | W05 | MEK01 MEK02 MEK03 | |
2 | TK05 | W06 | MEK01 MEK02 MEK03 | |
2 | TK06 | W07 | MEK01 MEK02 MEK03 | |
2 | TK07 | W08 | MEK01 MEK02 MEK03 | |
2 | TK08 | C01 | MEK04 MEK05 | |
2 | TK09 | C02 | MEK03 | |
2 | TK10 | C03 | MEK04 MEK05 | |
2 | TK11 | C04 | MEK04 MEK05 | |
2 | TK12 | C05 | MEK04 MEK05 | |
2 | TK13 | C06, C07 | MEK04 MEK05 |
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) |
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). |
Wymagane podczas egzaminu/zaliczenia
(-)
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
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 |