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: pierwszego stopnia
Forma studiów: stacjonarne
Specjalności na kierunku: AA - inżynieria systemów informatycznych, AI - Sztuczna inteligencja, TT - informatyka w przedsiębiorstwie, Z - inżynieria systemów złożonych
Tytuł otrzymywany po ukończeniu studiów: inżynier
Nazwa jednostki prowadzącej zajęcia: Katedra Podstaw Elektroniki
Kod zajęć: 17921
Status zajęć: obowiązkowy dla specjalności
Układ zajęć w planie studiów: sem: 5 / W30 L15 / 2 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora: dr hab. inż. prof. PRz Maciej Kusy
Terminy konsultacji koordynatora: Środa: 12-14
Główny cel kształcenia: Teoretyczna wiedza i praktyczne wykorzystanie wybranych metod uczenia maszynowego
Ogólne informacje o zajęciach: Omówienie kluczowych zagadnień z zakresu uczenia nadzorowanego, nienadzorowanego, klasteryzacji, selekcji cech i instancji, drążenia danych; przedstawienie problemu klasyfikacji, regresji; ocena skuteczności metod uczenia maszynowego.
Materiały dydaktyczne: Dostępne w wersji elektronicznej na stronie http://maciejkusy.sd.prz.edu.pl
1 | Bishop C.M. | Pattern Recognition and Machine Learning | Springer. | 2006 |
2 | Kecman V. | Learning and Soft Computing. Support Vector Machines, Neural Networks and Fuzzy Logic Models | MIT Press, Cambridge. | 2011 |
3 | Quinlan J.R. | C4.5: Programs for machine learning | Morgan Kaufman Publishers, San Meteo. | 1993 |
4 | Lundberg S.M., Lee S.-I | A unified approach to interpreting model predictions | Proc. of NIPS, Long Beach, USA. | 2017 |
5 | Christoph M. | Interpretable Machine Learning: A Guide For Making Black Box Models Explainable | Independently published. | 2022 |
6 | Aggarwal C.C. | Neural Networks and Deep Learning: A Textbook | Springer International Publishing AG. | 2023 |
7 | Foster D. | Generative Deep Learning: Teaching Machines To Paint, Write, Compose, and Play | O'Reilly Media. | 2023 |
1 | Mathworks Inc. | Matlab Online Documentation | http://www.mathworks.com. | 2023 |
1 | Żurada J., Barski M., Jędruch W. | Sztuczne sieci neuronowe | PWN. | 1996 |
2 | Rutkowska D., Piliński M., Rutkowski L. | Sieci neuronowe, algorytmy genetyczne i systemy rozmyte | PWN, Warszawa. | 1997 |
Wymagania formalne: Student zarejestrowany na 5 semestr.
Wymagania wstępne w kategorii Wiedzy: Student ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie informatyki wykorzystywaną do formułowania i rozwiązywania zadań problemów badawczych.
Wymagania wstępne w kategorii Umiejętności: Student potrafi wykorzystać nabytą wiedzę do tworzenia modeli, zapisu algorytmów, formułowania i rozwiązywania zadań informatycznych, korzystając z metod analitycznych i eksperymentalnych.
Wymagania wstępne w kategorii Kompetencji społecznych: Student potrafi przekazać informację o osiągnięciach informatyki i różnych aspektach zawodu informatyka w sposób powszechnie zrozumiały. Rozumie potrzebę praktycznego stosowania nabytej wiedzy.
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 | Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie informatyki, a w szczególności języków programowania, komunikacji człowiek-komputer, sztucznej inteligencji. | wykład, laboratorium | Raport/sprawozdanie pisemne i ustna obrona |
K_W04+ |
P6S_WG |
02 | Ma podstawową wiedzę nt. kodeksów etycznych dotyczących informatyki, patentów, ustawy prawo autorskie i prawa pokrewne oraz ustawy o ochronie danych osobowych. Rozumie zagrożenia związane ze sztuczną inteligencją. | wykład, laboratorium | Raport/sprawozdanie pisemne i ustna obrona |
K_W06+ |
P6S_WK |
03 | Zna i rozumie wybrane aspekty funkcjonowania człowieka, sposoby organizacji i motywacji pracy badawczej. | wykład, laboratorium | Raport/sprawozdanie pisemne i ustna obrona |
K_W12+ |
P6S_WG |
04 | Potrafi wykorzystać nabytą wiedzę matematyczną i informatyczną do tworzenia modeli, zapisu algorytmów, optymalizacji rozwiązań programowych oraz do formułowania i rozwiązywania zadań informatycznych, korzystając z metod analitycznych i eksperymentalnych. | wykład, laboratorium | Raport/sprawozdanie pisemne i ustna obrona |
K_U01+ |
P6S_UW |
05 | Potrafi pozyskiwać informacje z literatury, baz danych i innych źródeł, a także integrować je, dokonywać ich interpretacji oraz wyciągać wnioski i formułować opinie. | wykład, laboratorium | Raport/sprawozdanie pisemne i ustna obrona |
K_U02+ |
P6S_UW |
06 | Ma umiejętność formułowania algorytmów i ich programowania. | wykład, laboratorium | Raport/sprawozdanie pisemne i ustna obrona |
K_U08+ |
P6S_UW |
07 | Rozumie, że w informatyce wiedza i umiejętności bardzo szybko stają się przestarzałe. | wykład, laboratorium | Raport/sprawozdanie pisemne i ustna obrona |
K_K01+ |
P6S_KK P6S_UU |
08 | Potrafi przekazać informację o osiągnięciach informatyki i różnych aspektach zawodu informatyka w sposób powszechnie zrozumiały. | wykład, laboratorium | Raport/sprawozdanie pisemne i ustna obrona |
K_K05+ |
P6S_KO P6S_UK |
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 |
---|---|---|---|---|
5 | TK01 | W01 | MEK01 MEK02 MEK03 MEK07 MEK08 | |
5 | TK02 | W02 | MEK04 MEK05 MEK06 | |
5 | TK03 | W03, L01 | MEK04 MEK05 MEK06 | |
5 | TK04 | W04, L02 | MEK04 MEK05 MEK06 | |
5 | TK05 | W05, L03 | MEK04 MEK05 MEK06 | |
5 | TK06 | W06, W07, L04 | MEK04 MEK05 MEK06 | |
5 | TK07 | W08, W09, L05 | MEK04 MEK05 MEK06 | |
5 | TK08 | W10 | MEK04 MEK05 MEK06 | |
5 | TK09 | W11, L06 | MEK04 MEK05 MEK06 | |
5 | TK10 | W12 | MEK04 MEK05 MEK06 | |
5 | TK11 | W13, W14, L07 | MEK04 MEK05 MEK06 | |
5 | TK12 | W14, W15, L07 | MEK04 MEK05 MEK06 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 5) | Godziny kontaktowe:
30.00 godz./sem. |
||
Laboratorium (sem. 5) | Przygotowanie do laboratorium:
5.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
|
Konsultacje (sem. 5) | |||
Zaliczenie (sem. 5) | Przygotowanie do zaliczenia:
10.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | Brak |
Laboratorium | Sprawdzenie wyników analizy badawczej |
Ocena końcowa | Na podstawie 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 : nie