Cel kształcenia i wykaz literatury

Główny cel kształcenia: Głównym celem kształcenia jest podanie matematycznych podstaw tworzenia narzędzi informatycznych opartych na metodach inteligencji obliczeniowej i drążenia danych, prezentacja istniejącego oprogramowania oraz podanie przykładów zastosowań.

Ogólne informacje o zajęciach: Zasadniczym tematem modułu jest prezentacja wybranych metod inteligencji obliczeniowej, w tym algorytmów min-max, A* oraz logiki rozmytej, sztucznych sieci neuronowych, systemów ekspertowych i algorytmów uczenia się ze wzmocnieniem.

Materiały dydaktyczne: http://materialy.prz-rzeszow.pl/

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Korbicz J., Obuchowicz A., Uciński D.	Sztuczne sieci neuronowe. Podstawy i zastosowania	Akademicka Oficyna Wydawnicza PLJ, Warszawa., .	1994
2	Driankov D., Hellendoorn H., Reinfrank M.	Wprowadzenie do sterowania rozmytego	WNT, Warszawa.	1996
3	Rutkowska D., Piliński M., Rutkowski L.	Sieci neuronowe, algorytmy genetyczne i systemy rozmyte	PWN, Warszawa.	1997
4	Rutkowski L.	Metody i techniki sztucznej inteligencji	PWN, Warszawa.	2005
5	Tadeusiewicz R.	Sieci neuronowe	Akademicka Oficyna Wydawnicza RM, Warszawa.	1993
6	Cichosz P.	Systemy uczące się	WNT, Warszawa.	2000
7	Russell S., Norvig P.,	Artificial Intelligence: A Modern Approach	Prentice Hall, wydanie II.	2003

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1

Mathworks Inc.

Matlab Online Documentation

http://www.mathworks.com.

2012

Literatura do samodzielnego studiowania

1

Sutton, R.S., Barto, A.G.

Reinforcement learning: An Introduction

MIT Press, Cambridge.

1998

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Rejestracja na szósty semestr

Wymagania wstępne w kategorii Wiedzy: Student powinien mieć podstawową wiedzę w zakresie matematyki deskretnej, algorytmów i struktur danych, metod numerycznych oraz podstaw programowania.

Wymagania wstępne w kategorii Umiejętności:

Wymagania wstępne w kategorii Kompetencji społecznych: Student powinien umieć pracować indywidualnie oraz w grupie.

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 zastosować podstawowe algorytmy sieci neuronowych	wykład, laboratorium, projekt indywidualny	egzamin cz. pisemna, obserwacja wykonawstwa, sprawozdanie z projektu	K_W07+ K_W09+	P6S_WG
02	Student zna i potrafi zastosować podstawowe systemy wnioskowania rozmytego	wykład, laboratorium, projekt indywidualny	egzamin cz. pisemna, obserwacja wykonawstwa, sprawozdanie z projektu	K_W07+ K_U10+ K_K05+	P6S_KO P6S_UO P6S_UW P6S_WG
03	Student zna i potrafi zastosować proste algorytmy gradientowe uczenia sieci neuronowych	wykład, laboratorium	egzamin cz. pisemna, obserwacja wykonawstwa	K_W07+	P6S_WG

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
6	TK01	Podstawowe zagadnienia sztucznej inteligencji. Reprezentacja wiedzy i wnioskowanie.	W01,W02, P01
6	TK02	Sieci neuronowe	W06-W09, L04, L05, P04, P05	MEK01
6	TK03	Logika rozmyta	W03-W05, L01-L03	MEK02
6	TK04	Uczenie maszynowe	W10	MEK03

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 6)	Przygotowanie do kolokwium: 10.00 godz./sem.	Godziny kontaktowe: 20.00 godz./sem.	Uzupełnienie/studiowanie notatek: 3.00 godz./sem. Studiowanie zalecanej literatury: 10.00 godz./sem.
Laboratorium (sem. 6)	Przygotowanie do laboratorium: 10.00 godz./sem. Przygotowanie do kolokwium: 10.00 godz./sem.	Godziny kontaktowe: 10.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 10.00 godz./sem.
Projekt/Seminarium (sem. 6)	Przygotowanie do zajęć projektowych/seminaryjnych: 10.00 godz./sem.	Godziny kontaktowe: 10.00 godz./sem..	Wykonanie projektu/dokumentacji/raportu: 20.00 godz./sem. Przygotowanie do prezentacji: 5.00 godz./sem.
Konsultacje (sem. 6)		Udział w konsultacjach: 5.00 godz./sem.
Egzamin (sem. 6)	Przygotowanie do egzaminu: 15.00 godz./sem.	Egzamin pisemny: 2.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Egzamin pisemny
Laboratorium	Zaliczenie przy komputerze
Projekt/Seminarium	Obrona projektu
Ocena końcowa	Średnia ważona ocen powyższych

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	M. Kusy; R. Zajdel	A weighted wrapper approach to feature selection	2021
2	J. Kluska; M. Kusy; R. Zajdel; T. Żabiński	Fusion of Feature Selection Methods for Improving Model Accuracy in the Milling Process Data Classification Problem	2020
3	J. Kluska; M. Kusy; R. Zajdel; T. Żabiński	Weighted Feature Selection Method for Improving Decisions in Milling Process Diagnosis	2020