logo
Karta przedmiotu
logo

Logika i teoria mnogości

Podstawowe informacje o zajęciach

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 Informatyki i Automatyki

Kod zajęć: 371

Status zajęć: obowiązkowy dla programu AI - Sztuczna inteligencja

Układ zajęć w planie studiów: sem: 1 / W15 L15 / 2 ECTS / Z

Język wykładowy: polski

Imię i nazwisko koordynatora: dr hab. inż. Krzysztof Wiktorowicz

Terminy konsultacji koordynatora: informacja na stronie KIiA: https://office.kia.prz.edu.pl

Cel kształcenia i wykaz literatury

Główny cel kształcenia: Poznanie podstawowych pojęć z logiki i teorii mnogości

Ogólne informacje o zajęciach:

Materiały dydaktyczne: https://kwiktor.kia.prz.edu.pl/dydaktyk.html

Wykaz literatury, wymaganej do zaliczenia zajęć
Literatura wykorzystywana podczas zajęć wykładowych
1 Wiktorowicz K. Logika i teoria mnogości. Materiały pomocnicze Oficyna Wydawnicza PRz. 2017
2 Rasiowa H. Wstęp do matematyki współczesnej PWN, Warszawa. 2003
3 Trzęsicki K. Logika i teoria mnogości EXIT, Warszawa. 2003
4 Ben-Ari M. Logika matematyczna w informatyce WNT, Warszawa. 2005
Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych
1 Marek W., Onyszkiewicz J. Elementy logiki i teorii mnogości w zadaniach PWN, Warszawa. 2003

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Rejestracja na dany semestr studiów

Wymagania wstępne w kategorii Wiedzy:

Wymagania wstępne w kategorii Umiejętności:

Wymagania wstępne w kategorii Kompetencji społecznych:

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 Wyjaśnia metody rozwiązywania zadań z logiki obejmujące funktory, formuły, tautologie, metody dowodzenia i elementy logiki pierwszego rzędu wykład, laboratorium obserwacja wykonawstwa, sprawdzian pisemny K_W01+
K_U06+
P6S_UW
P6S_WG
02 Wyjaśnia metody rozwiązywania zadań z teorii mnogości obejmujące algebrę zbiorów, iloczyn kartezjański, relacje i funkcje wykład, laboratorium obserwacja wykonawstwa, sprawdzian pisemny K_W01+
K_U06+
P6S_UW
P6S_WG
03 Rozwiązuje zadania z logiki obejmujące funktory, formuły, tautologie, metody dowodzenia i elementy logiki pierwszego rzędu wykład, laboratorium obserwacja wykonawstwa, sprawdzian pisemny K_W01+
K_U06+
P6S_UW
P6S_WG
04 Rozwiązuje zadania z teorii mnogości obejmujące algebrę zbiorów, iloczyn kartezjański, relacje i funkcje wykład, laboratorium obserwacja wykonawstwa, sprawdzian pisemny K_W01+
K_U06+
P6S_UW
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
1 TK01 Funktory, formuły, funkcjonalna pełność, postacie normalne W, L MEK01 MEK03
1 TK02 Tautologie, konsekwencje logiczne, systemy dowodzenia W, L MEK01 MEK03
1 TK03 Metoda rezolucji, elementy logiki pierwszego rzędu W, L MEK01 MEK03
1 TK04 Algebra zbiorów, prawa algebry zbiorów, indeksowane rodziny zbiorów W, L MEK02 MEK04
1 TK05 Iloczyn kartezjański, relacje, własności relacji W, L MEK02 MEK04
1 TK06 Funkcje jako relacje, rodzaje funkcji, obrazy i przeciwobrazy, funkcja odwrotna W, L MEK02 MEK04
1 TK07 Teoria mocy, twierdzenie Cantora W MEK02

Nakład pracy studenta

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

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć Sposób wystawiania oceny podsumowującej
Wykład wykład zaliczany na podstawie zaliczenia laboratorium
Laboratorium laboratorium zaliczane na podstawie dwóch sprawdzianów pisemnych
Ocena końcowa ocena końcowa wystawiana na podstawie zaliczenia 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 K. Wiktorowicz T2RFIS: type-2 regression-based fuzzy inference system 2023
2 K. Wiktorowicz RFIS: regression-based fuzzy inference system 2022
3 T. Krzeszowski; K. Wiktorowicz Identification of time series models using sparse Takagi–Sugeno fuzzy systems with reduced structure 2022
4 T. Krzeszowski; K. Przednowek; K. Wiktorowicz Sparse regressions and particle swarm optimization in training high-order Takagi–Sugeno fuzzy systems 2021
5 T. Krzeszowski; K. Wiktorowicz Training Sparse Fuzzy Classifiers Using Metaheuristic Optimization 2021
6 T. Krzeszowski; K. Wiktorowicz Approximation of two-variable functions using high-order Takagi–Sugeno fuzzy systems, sparse regressions, and metaheuristic optimization 2020
7 T. Krzeszowski; K. Wiktorowicz Combined Regularized Discriminant Analysis and Swarm Intelligence Techniques for Gait Recognition 2020
8 T. Krzeszowski; K. Wiktorowicz Training High-Order Takagi-Sugeno Fuzzy Systems Using Batch Least Squares and Particle Swarm Optimization 2020
9 J. Iskra; T. Krzeszowski; K. Przednowek; K. Wiktorowicz A web-oriented expert system for planning hurdles race training programmes 2019
10 J. Iskra; T. Krzeszowski; K. Przednowek; K. Wiktorowicz The Application of Multiview Human Body Tracking on the Example of Hurdle Clearance 2019
11 J. Iskra; T. Krzeszowski; K. Przednowek; K. Wiktorowicz Wspomaganie procesu treningowego w biegach przez płotki z wykorzystaniem modelowania komputerowego 2019