Cel kształcenia i wykaz literatury

Główny cel kształcenia: Celem przedmiotu jest zapoznanie studentów z algorytmami sztucznej inteligencji, które umożliwiają automatyczne wykrycie modeli procesów poprzez obserwację zdarzeń zarejestrowanych przez system informatyczny oraz identyfikację sieci społecznościowych współpracujących ze sobą wykonawców procesów.

Ogólne informacje o zajęciach: Wykład i laboratorium poruszają zagadnienia modelowania procesów, oceny jakości procesów oraz techniki drążenia danych używane w eksploracji procesów, detekcji reguł decyzyjnych i sieci społecznych.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	van der Aalst W.M.P.	Process Mining. Data Science in Action	Springer.	2016
2	van der Aalst W.M.P	Process-Aware Information Systems: Lessons to be Learned from Process Mining	Springer.	2009

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1

Łuczak A., Wysocki F.

Porządkowanie liniowe obiektów z wykorzystaniem rozmytych metod AHP i TOPSIS

Przegląd Statystyczny t. 53, nr 1-2.

2011

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Zaliczony moduł "matematyka dyskretna"

Wymagania wstępne w kategorii Wiedzy: Zna podstawy teorii grafów i podstawy programowania

Wymagania wstępne w kategorii Umiejętności: Umie pisać proste skrypty w języku programowania wysokiego poziomu

Wymagania wstępne w kategorii Kompetencji społecznych: Przestrzega zasad BHP, w szczególności zasad higieny

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 potrafi stosować modele procesów oraz metody drążenia danych używane w eksploracji procesów	wykład, laboratorium	zaliczenie cz. pisemna, zaliczenie cz. praktyczna	K_W04+ K_U09+ K_K01+	P6S_KK P6S_UU P6S_UW P6S_WG
02	Zna i potrafi stosować algorytmy wykrywania reguł decyzyjnych i sieci społecznych	wykład, laboratorium	egzamin cz. praktyczna	K_U01+ K_K07+	P6S_KO P6S_UW
03	Zna i potrafi stosować metody oceny jakości procesów	wykład, laboratorium	egzamin cz. praktyczna	K_U08+ K_K07+	P6S_KO P6S_UW

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
8	TK01	Modele procesów. Techniki drążenia danych używane w eksploracji procesów.	W1 L1	MEK01
8	TK02	Dziennik zdarzeń. Jakość danych z dziennika.	W2 L2	MEK01 MEK02
8	TK03	Algorytmy eksploracji procesów.	W3 L3	MEK01
8	TK04	Algorytmy wykrywania reguł decyzyjnych.	W4 L4	MEK02
8	TK05	Algorytmy wykrywania sieci społecznych.	W4 L4	MEK02
8	TK06	Ocena jakości procesu – procesy optymalne.	W5 L5	MEK03

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 8)	Przygotowanie do kolokwium: 8.00 godz./sem.	Godziny kontaktowe: 10.00 godz./sem.	Studiowanie zalecanej literatury: 8.00 godz./sem. Inne: 5.00 godz./sem.
Laboratorium (sem. 8)	Przygotowanie do laboratorium: 6.00 godz./sem. Przygotowanie do kolokwium: 8.00 godz./sem.	Godziny kontaktowe: 10.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 6.00 godz./sem. Inne: 5.00 godz./sem.
Konsultacje (sem. 8)
Zaliczenie (sem. 8)	Przygotowanie do zaliczenia: 8.00 godz./sem.	Zaliczenie pisemne: 2.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Test
Laboratorium	Zaliczenie praktyczne
Ocena końcowa	średnia z ocen z wykładu i laboratorium

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	A. Bonci; G. Dec; S. Longhi; M. Pirani; D. Stadnicka	A Concept of an SME Focused Edge Computing Self-managing Cyber-physical System	2023
2	G. Dec; D. Mazur; D. Rzońca	Urządzenie zabezpieczające powierzchnie płaskie, zwłaszcza powierzchnie paneli fotowoltaicznych	2023
3	D. Atzeni; A. Carreras-Coch; G. Dec; D. Mazzei; M. Mądziel; L. Pappa; Ł. Paśko; X. Solé-Beteta; D. Stadnicka; C. Stylios	Plan and Develop Advanced Knowledge and Skills for Future Industrial Employees in the Field of Artificial Intelligence, Internet of Things and Edge Computing	2022
4	G. Dec; K. Kubiak; D. Stadnicka	Possible Applications of Edge Computing in the Manufacturing Industry-Systematic Literature Review	2022
5	G. Dec; R. Figliè; D. Mazzei; M. Mądziel; J. Navarro; Ł. Paśko; X. Solé-Beteta; D. Stadnicka; C. Stylios; M. Tyrovolas	Role of Academics in Transferring Knowledge and Skills on Artificial Intelligence, Internet of Things and Edge Computing	2022
6	G. Dec; A. Majka; T. Rogalski; D. Rzońca; S. Samolej	Regular graph-based free route flight planning approach	2021
7	G. Dec; G. Drałus; B. Kwiatkowski; D. Mazur	Forecasting Models of Daily Energy Generation by PV Panels Using Fuzzy Logic	2021
8	A. Bonci; G. Dec; E. Lorenzoni; M. Pirani; D. Stadnicka	Symbiotic cyber-physical Kanban 4.0: an Approach for SMEs	2020
9	G. Dec; D. Mazur; D. Rzońca	Urządzenie zabezpieczające powierzchnie płaskie, zwłaszcza powierzchnie paneli fotowoltaicznych	2019