Cykl kształcenia: 2019/2020
Nazwa jednostki prowadzącej studia: Wydział Budowy Maszyn i Lotnictwa
Nazwa kierunku studiów: Zarządzanie i inżynieria produkcji
Obszar kształcenia: nauki techniczne
Profil studiów: ogólnoakademicki
Poziom studiów: drugiego stopnia
Forma studiów: stacjonarne
Specjalności na kierunku: Ekologia produkcji, Nowoczesne metody zarządzania produkcją, Nowoczesne technologie informacyjno-komunikacyjne w przedsiębiorstwie, Zintegrowane systemy wytwarzania
Tytuł otrzymywany po ukończeniu studiów: magister inżynier
Nazwa jednostki prowadzącej zajęcia: Zakład Informatyki
Kod zajęć: 1552
Status zajęć: obowiązkowy dla programu Ekologia produkcji, Nowoczesne metody zarządzania produkcją, Nowoczesne technologie informacyjno-komunikacyjne w przedsiębiorstwie, Zintegrowane systemy wytwarzania
Układ zajęć w planie studiów: sem: 1 / W15 L30 / 3 ECTS / E
Język wykładowy: polski
Imię i nazwisko koordynatora: dr hab. inż. prof. PRz Galina Setlak
Terminy konsultacji koordynatora: Poniedziałek 10.30-12.00, środa 11.00-12.30, gsetlak.v.prz.edu.pl
semestr 1: dr inż. Łukasz Paśko , termin konsultacji https://lukaszpasko.v.prz.edu.pl/konsultacje
Główny cel kształcenia: Głównym celem kształcenia jest zapoznanie studentów z podstawowymi nowoczesnymi metodami do tworzenia systemów wspomagania decyzji zarówno w zarządzaniu, jak i inżynierii produkcji. Przedstawienie również podstaw procesów decyzyjnych oraz metod i narzędzi informatycznych, wspomagających podejmowanie decyzji oraz oraz istniejące oprogramowanie niezbędne w tym zakresie, m.in. na przykładzie AITECH DSS 4.5 i Microsoft BUSINESS Intelligence.
Ogólne informacje o zajęciach: Moduł jest podstawowym modułem kształcenia w ramach programu studiów II stopnia na kierunku Zarządzanie i inżynieria produkcji
Materiały dydaktyczne: Materiały są umieszczane na stronach WWW prowadzących zajęcia: molech.sd.prz.edu.pl, lukaszpasko.prz.edu.pl
1 | Bojar, Waldemar, Katarzyna Rostek, Leszek Knopik.: | Systemy wspomagania decyzji | PWE, Warszawa. | 2014 |
2 | Pod red. nauk. Tadeusz Trzaskalik | Wielokryterialne wspomaganie decyzji: metody i zastosowania | Polskie.Wydawnictwo Ekonomiczne, Warszawa . | 2014 |
3 | Power D.J. | Decision Support, Analytics, and Business Intelligence | Copyright © Business Expert Press.. | 2013 |
1 | Łachwa A. | Rozmyty świat zbiorów, liczb, relacji, faktów, reguł i decyzji .Rozmyty świat zbiorów, liczb, relacj | Akademicka Oficyna Wydawnicza Exit, W-wa. | 2001 |
2 | Pod red. T. Szapiro | Decyzje menedżerskie z Excelem | PWE, Warszawa. | 2000 |
3 | Surma, Jerzy | Business Intelligence : systemy wspomagania decyzji biznesowych | Wydaw. Nauk. PWN, Warszawa . | 2012 |
1 | Turban E., J.E.Aronson | Decision Support Systems and Intelligent Systems | New Jersey: Prentice Hall. | 2001 |
Wymagania formalne: Student musi być zarejestrowany na PIERWSZY semestr studiów
Wymagania wstępne w kategorii Wiedzy: Student powinien posiadać wiedzę w zakresie Matematyki, Algebry liniowej, Technologii informacyjnych, Informatyki, Baz danych oraz Badań operacyjnych
Wymagania wstępne w kategorii Umiejętności: Wymagane jest posiadanie umiejętności obsługi podstawowego oprogramowania takiego, jak MS Excel, MATLAB
Wymagania wstępne w kategorii Kompetencji społecznych: Umiejętność samodzielnego poszerzania swej wiedzy i doskonalenia umiejętności zawodowych
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 | Posiada umiejętności modelowania procesów decyzyjnych, ich rozpoznawania identyfikacji struktury i parametrów modeli. Ponadto potrafi właściwie dobierać odpowiednie metody w celu rozwiązania lub wspomagania problemu decyzyjnego. | wykład, laboratorium | egzamin cz. pisemna, zaliczenie cz. praktyczna |
K_W07+ K_U07++ K_U08+ K_U10+ |
P7S_UK P7S_UW P7S_WG |
02 | Zna możliwości i funkcjonaność systemów wspomagania decyzji, potrafi skonfigurować podstawowe wymagania użytkownika w celu wyboru i wdrożenia odpowiedniego oprogramowaniado wspomagania decyzji w danej organizacji | wykład, laboratorium | egzamin cz. pisemna, zaliczenie cz. praktyczna |
K_W05+ K_W07+ K_U09+ |
P7S_UW P7S_WG P7S_WK |
03 | Posiada wiedzę w zakresie podstawowych i nowoczesnych metod, technik i narzędzi informatycznych wspomagających proces podejmowania decyzji w zarządzaniu | wykład, laboratorium | egzamin cz. pisemna, zaliczenie cz. praktyczna |
K_W07+ K_U07++ K_U10+ |
P7S_UK P7S_UW P7S_WG |
04 | Potrafi pracować w zespole. Posiada umiejętności wykorzystywania metod grupowego podejmowania decyzji i symulacji komputerowej, w tym gry symulacyjne. | wykład, laboratorium problemowe, gra dydaktyczna | egzamin cz. pisemna, zaliczenie cz. praktyczna, prezentacja dokonań (portfolio) |
K_W05+ K_U08+++ K_U09++ K_U10+ |
P7S_UW P7S_WK |
05 | Zna współczesne technologie informatyczne, takie jak OLAP, hurtownie danych, metody i narzędzia sztucznej inteligencji, potrafi ich wykorzystać do tworzenia inteligentnych systemów decyzyjnych | wykład, laboratorium | egzamin cz. pisemna, zaliczenie cz. praktyczna |
K_W05+ K_U09+ K_U10+ |
P7S_UW P7S_WK |
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 MEK02 | |
1 | TK02 | W02 | MEK02 MEK03 | |
1 | TK03 | W03, W04 | MEK01 MEK03 MEK04 | |
1 | TK04 | W05, W06 | MEK02 MEK03 | |
1 | TK05 | W07 | MEK03 MEK05 | |
1 | TK06 | L01, L02 | MEK01 MEK02 | |
1 | TK07 | LO3, LO4 | MEK02 MEK03 | |
1 | TK08 | L05, L06, LO7 | MEK03 MEK05 | |
1 | TK09 | L08 | MEK03 MEK05 | |
1 | TK10 | L09 | MEK03 MEK05 | |
1 | TK11 | L10 | MEK03 MEK05 | |
1 | TK12 | L11 | MEK02 MEK04 | |
1 | TK13 | L12, L13 | MEK01 MEK02 MEK04 | |
1 | TK14 | L14, l15 | MEK05 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 1) | Przygotowanie do kolokwium:
10.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Studiowanie zalecanej literatury:
5.00 godz./sem. |
Laboratorium (sem. 1) | Przygotowanie do laboratorium:
15.00 godz./sem. |
Godziny kontaktowe:
30.00 godz./sem. |
Dokończenia/wykonanie sprawozdania:
5.00 godz./sem. |
Konsultacje (sem. 1) | Udział w konsultacjach:
2.00 godz./sem. |
||
Egzamin (sem. 1) | Przygotowanie do egzaminu:
5.00 godz./sem. |
Egzamin pisemny:
2.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | Na egzaminie sprawdzana jest realizacja wszystkich efektów modułowych.Egzamin obejmuje pytania obowiązkowe oraz dodatkowe. Student musi odpowiedzieć poprawnie na wszystkie pytania obowiązkowe, aby uzyskać ocenę dostateczną. Odpowiedź na pytania dodatkowe pozwala uzyskać wyższą ocenę: 25% poprawnych odpowiedzi - 3,5; 40% poprawnych odpowiedzi - 4,0; 60% poprawnych odpowiedzi - 4,5; 80% poprawnych odpowiedzi - 5,0 |
Laboratorium | Na zaliczeniu praktycznym laboratorium sprawdzana jest realizacja drugiego i trzeciego efektu modułowego (MEK02, MEK03). Sprawdzian obejmuje zadania obowiązkowe oraz dodatkowe. Student musi poprawnie wykonać WSZYSTKIE zadania obowiązkowe, aby uzyskać ocenę dostateczną. Rozwiązanie zadań dodatkowych pozwala uzyskać wyższą ocenę: 25% poprawnie rozwiązanych zadań - 3,5; 40% poprawnie rozwiązanych zadań - 4,0; 60% poprawnie rozwiązanych zadań - 4,5; 80% poprawnie rozwiązanych zadań - 5,0; |
Ocena końcowa | Warunkiem zaliczenia modułu jest osiągnięcie wszystkich efektów modułowych i zaliczenie wszystkich form zajęć. Student musi odpowiedzieć na wszystkie zadania egzaminacyjne, aby uzyskać ocenę dostateczną. Rozwiązanie zadań dodatkowych pozwala uzyskać ocenę wyższą: 25% - 3.5, 40% - 4.0, 60% - 4.5 80% - 5.0 |
Wymagane podczas egzaminu/zaliczenia
(-)
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
1 | Ł. Paśko; G. Setlak | Random Forests in a Glassworks: Knowledge Discovery from Industrial Data | 2020 |
2 | Ł. Paśko; M. Piróg; G. Setlak | Pozyskiwanie wiedzy z danych przemysłowych do wspomagania decyzji w procesie produkcyjnym | 2019 |