Cel kształcenia i wykaz literatury

Główny cel kształcenia: Celem kształcenia jest nabycie przez studenta wiedzy i umiejętności z zakresu nowoczesnych metod i technik obliczeniowych zwanych systemami sztucznej inteligencji (AI). Studenci zdobywają wiedzę i umiejętności przygotowujące ich do prowadzenia badań naukowych w lotnictwie z wykorzystaniem nowoczesnych technik obliczeniowych.

Ogólne informacje o zajęciach: W ramach zajęć wykładowych student poznaje zagadnienia teoretyczne z zakresu inteligentych systemów obliczeniowych. Zna budowę systemów ekspertowych, różne metody reprezentacji wiedzy i stosowane sposoby wnioskowania. Poznaje teorię zbiorów rozmytych, zbiorów przybliżonych oraz zagadnienia sztucznych sieci neuronowych.W trakcie zajęć laboratoryjnych zapoznaje się i posługuje się pakietami obliczeniowymi, które stosują w praktyce metody, teorie i techniki omawiane na wykładzie. Student proponuje zastosowanie ich w zagadnieniach lotniczych. Przygotowuje projekt, wykonuje badania i symulacje komputerowe, wyciąga wnioski oraz sporządza sprawozdania kształtując w ten sposób umiejętności związane z prowadzeniem badań naukowych.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Rutkowska D., Piliński M., Rutkowski L.	Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. .	.
2	Rutkowski L.	Metody i techniki sztucznej inteligencji	.	2012

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	A. Niederliński	Regułowo-modelowe systemy ekspertowe	Wydawnictwo Jacka Skalmierskiego Gliwice.	2006
2	Brzózka J.	Regulatory i układy automatyki	Wydawnictwo Mikrom.

Literatura do samodzielnego studiowania

1	Mulawka J.	Systemy Ekspertowe	WNT Warszawa.	1996
2	Rutkowska D., Piliński M., Rutkowski L.	Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. .	PWN Warszawa .	1997
3	Mrózek A., Płonka L.	Analiza danych metodą zbiorów przybliżonych.	Akademicka Oficyna Wydawnicza PLJ Warszawa .	1999.
4	Wawrzyński P.	Podstawy sztucznej inteligencji	Oficyna Wydawnicza Politechniki Warszawskiej.	2014
5	Ossowski S.	Sieci neuronowe do przetwarzania informacji.	Oficyna Wydawnicza Politechniki Warszawskiej.	2013
6	Rutkowski L.	Metody i techniki sztucznej inteligencji	.	2012

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: rejestracja studenta na semestrze pierwszym studiów drugiego stopnia kierunku Lotnictwo i kosmonautyka

Wymagania wstępne w kategorii Wiedzy: wiedza podstawowa w zakresie informatyki

Wymagania wstępne w kategorii Umiejętności: umiejętność posługiwania się sprzętem i oprogramowaniem komputerowym oraz dokumentacjią w języku angielskim

Wymagania wstępne w kategorii Kompetencji społecznych: umiejętność pracy zespołowej

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 budowę systemów ekspertowych, podstawowe metody reprezentacji wiedzy stosowane w SE, rozumie przebieg procesu wnioskowania, potrafi wymienić wady i zalety stosowanych rozwiązań	wykład, laboratorium	sprawdzian pisemny oraz na bieżąco w trakcie zajęć laboratoryjnych	K_W04++ K_W05+	P7S_WG
02	zna i rozumie podstawowe pojęcia teorii zbiorów rozmytych, zbiorów przybliżonych oraz sztucznych sieci neuronowych i potrafi je zidentyfikować w specjalizowanych pakietach programowych	wykład, laboratorium	sprawdzian pisemny oraz na bieżąco w trakcie zajęć laboratoryjnych	K_W04++ K_W05++	P7S_WG
03	potrafi posługiwać się dokumentacją specjalistycznego oprogramowania (w tym w języku angielskim) w stopniu umożliwiającym przygotowanie rozwiązania postawionego problemu inżynierskiego występującego w lotnictwie. Potrafi przygotować sprawozdanie z przeprowadzonych badań i eksperymentów przez co kształtuje umiejętności związane z prowadzeniem badań naukowych.	laboratorium	sprawozdanie	K_U05++ K_U06+	P7S_UK P7S_UW
04	potrafi komputerowo zrealizować koncepcję własnego regułowego systemu ekspertowy, systemu wnioskowania rozmytego, wnioskowania przybliżonego oraz sztuczną sieć neuronową do rozwiązania zagadnienia lotniczego, przeprowadzić eksperymenty i wyciągnąć wnioski oraz ocenić przydatność tych metod w rozwiązaniach lotniczych, przez co zostaje przygotowany do prowadzenia badań naukowych.	laboratorium	sprawozdanie, dyskusja	K_U08+++ K_U10++	P7S_KR P7S_UW
05	potrafi pracować w zespole i ustalić harmonogram służący realizacji zadania, ma świadomość odpowiedzialności za wspólnie realizowane zadania	laboratorium	na bieżąco w trakcie zajęć, sprawozdania	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).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
1	TK01	Sztuczna inteligencja. Systemy ekspertowe (SE). Zalety, wady, zastosowania systemów ekspertowych ze szczególnym uwzględnieniem lotnictwa. Struktura SE, proces tworzenia, narzędzia do tworzenia, własności, kategorie systemów ekspertowych.	W01, W02	MEK01
1	TK02	Metody reprezentacji wiedzy w systemach ekspertowych	W03	MEK01
1	TK03	Maszyna wnioskująca SE – wnioskowanie w przód, wstecz, mieszane. Maszyna wnioskująca indukcyjna – generowanie reguł za pomocą drzew decyzyjnych - algorytm ID3.	W04,W05,W06	MEK01
1	TK04	Teoria zbiorów rozmytych, system wnioskowania rozmytego .	W07,W08, W09	MEK02
1	TK05	Teoria zbiorów przybliżonych i jej zastosowanie w budowie systemów ekspertowych.	W09, W10,W11	MEK02
1	TK06	Systemy ekspertowe z niesymboliczną reprezentacją wiedzy – sztuczne sieci neuronowe.	W11,W12, W13	MEK02
1	TK07	Inteligentne systemy hybrydowe.	W14	MEK02
1	TK08	Podsumowanie wykładu.	W15
1	TK09	Regułowo-modelowe systemy ekspertowe - omówienie zagadnień teoretycznych, studiowanie dokumentacji oprogramowania RMSE, praktyczna realizacja zaproponowanego systemu,omówienie sprawozdania.	L01, L02,LO3	MEK03 MEK04 MEK05
1	TK10	System wnioskowania rozmytego: omówienie zastosowań w lotnictwie, studiowanie opisu pakietu programowego, praktyczna realizacja zaproponowanego systemu, omówienie sprawozdania	LO4,L05, L06	MEK03 MEK04 MEK05
1	TK11	Sprawdzian I	L07
1	TK12	Wnioskowanie z wykorzystaniem teorii zbiorów przybliżonych - omówienie zastosowań praktycznych, studiowanie dokumentacji oprogramowania Rose, praktyczne stosowanie oprogramowania do analizy tablic decyzyjnych i generowania reguł decyzyjnych, omówienie sprawozdania	L07, L08,L09	MEK03 MEK04 MEK05
1	TK13	Sztuczne sieci neuronowe- omówienie zastosowań praktycznych z uwzględnienie lotnictwa, studiowanie dokumentacji pakietu programowego do SSN, praktyczna realizacja komputerowa SSN o różnej architekturze, omówienie sprawozdania	L10,L11, L12	MEK03 MEK04 MEK05
1	TK14	Sprawdzian II.	L13
1	TK15	Omówienie sprawozdań. Dyskusja podsumowująca zajęcia laboratoryjne, poprawy	L14, L15	MEK02 MEK05

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 1)		Godziny kontaktowe: 30.00 godz./sem.
Laboratorium (sem. 1)	Przygotowanie do laboratorium: 15.00 godz./sem. Przygotowanie do kolokwium: 10.00 godz./sem.	Godziny kontaktowe: 30.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 30.00 godz./sem.
Konsultacje (sem. 1)
Zaliczenie (sem. 1)

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Treści programowe realizowane na wykładach będą stanowiły tematykę kolokwium I i kolokwium II przeprowadzonego na zajęciach laboratoryjnych.
Laboratorium	Warunkiem zaliczenia laboratorium jest obecność na zajęciach oraz uzyskanie ocen pozytywnych ze wszystkich sprawozdań z zadań ( projektów) realizowanych przez dany zespół. Opóźnienie w oddaniu sprawozdania obniża ocenę końcową ze sprawozdania. W ocenie końcowej z laboratorium uwzględnia się oceny ze wszystkich sprawozdań oraz aktywność na zajęciach i bieżące przygotowanie się do zajęć.
Ocena końcowa	W ocenie końcowej z przedmiotu uwzględnia się oceny z kolokwium I i II, ocenę z laboratorium oraz dodatkowo obecność na wykładzie.

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. Mieszkowicz-Rolka; L. Rolka	Multi-Criteria Decision-Making with Linguistic Labels	2022
2	A. Mieszkowicz-Rolka; L. Rolka	Preference-Oriented Fuzzy TOPSIS Method	2021
3	A. Mieszkowicz-Rolka; L. Rolka	Variable Precision Fuzzy Rough Set Model with Linguistic Labels	2020
4	G. Drupka; A. Mieszkowicz-Rolka; L. Rolka	Multicriteria decision-making in flight route selection	2020
5	A. Mieszkowicz-Rolka; L. Rolka	Labeled Fuzzy Rough Sets in Multiple-Criteria Decision-Making	2019
6	A. Mieszkowicz-Rolka; L. Rolka	The Concept of Fuzzy Linguistic Labels for Studying Decision Systems in Air Transportation	2019