Cykl kształcenia: 2022/2023
Nazwa jednostki prowadzącej studia: Wydział Budowy Maszyn i Lotnictwa
Nazwa kierunku studiów: Zarządzanie i inżynieria produkcji
Obszar kształcenia: nauki techniczne
Profil studiów: ogólnoakademicki
Poziom studiów: pierwszego stopnia
Forma studiów: niestacjonarne
Specjalności na kierunku: Informatyka w zarządzaniu przedsiębiorstwem, Logistyka produkcji, Systemy zapewnienia jakości produkcji
Tytuł otrzymywany po ukończeniu studiów: inżynier
Nazwa jednostki prowadzącej zajęcia: Zakład Informatyki
Kod zajęć: 4416
Status zajęć: obowiązkowy dla programu Informatyka w zarządzaniu przedsiębiorstwem, Logistyka produkcji, Systemy zapewnienia jakości produkcji
Układ zajęć w planie studiów: sem: 7 / W15 L15 / 3 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora: dr hab. inż. prof. PRz Galina Setlak
Terminy konsultacji koordynatora: środa 11.00 - 12.30, Na studiach niestac. w dni zjazdów w soboty od. g. 11 -12.00, gsetlak.v.prz.edu.pl
semestr 7: dr inż. Łukasz Paśko , termin konsultacji https://lukaszpasko.v.prz.edu.pl/konsultacje
Główny cel kształcenia: Głównym celem kształcenia jest zapoznanie studentów z podstawowymi metodami i narzędziami sztucznej inteligencji oraz możliwościami ich zastosowania w zarządzaniu i inżynierii produkcji do rozwiązywania złożonych problemów i zadań.
Ogólne informacje o zajęciach: Moduł jest obowiązkowym w ramach programu kształcenia na kierunku studiów zarządzanie i inżynieria produkcji. W ramach przedmiotu studenci poznają takie metody sztucznej inteligencji, jak: sztuczne sieci neuronowe, logikę rozmytą i algorytmy genetyczne. Poza tym nabędą umiejętności obsługi oprogramowania, pozwalające na tworzenie systemów ekspertowych oraz tworzenie baz wiedzy.
Materiały dydaktyczne: Udostępniane są na stronach WWW prowadzących zajęcia
1 | L. Rutkowski | Metody i techniki sztucznej inteligencji | Wydawnictwo Naukowe PWN, Warszawa. | 2009 |
2 | Osowski S., | Sieci neuronowe do przetwarzania informacji | Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa. | 2013 |
3 | Mulawka J. | Systemy ekspertowe | WNT, Warszawa. | 1996 |
1 | J. Cytowski | Algorytmy genetyczne. Podstawy i zastosowania | Akademicka Oficyna Wydawnicza PLJ, Warszawa. | 1996 |
2 | J. Arabas | Wykłady z algorytmów ewolucyjnych,Wykłady z algorytmów ewolucyjnych | Wydawnictwa Naukowo-Techniczne, Warszawa. | 2001 |
3 | A. Łachwa | Rozmyty świat zbiorów, liczb, relacji, faktów, reguł i decyzji | Akademicka Oficyna Wydawnicza EXIT, Warszawa . | 2001 |
1 | J. Arabas | Wykłady z algorytmów ewolucyjnych,Wykłady z algorytmów ewolucyjnych | Wydawnictwa Naukowo-Techniczne, Warszawa. | 2001 |
Wymagania formalne: Student musi być zarejestrowany na 7 semestr.
Wymagania wstępne w kategorii Wiedzy: Posiadanie podstawowej wiedzy w zakresie Technologii informacyjnych, Informatyki, Metod numerycznych i Baz danych
Wymagania wstępne w kategorii Umiejętności: Posiadanie umiejętności obsługi oprogramowania Matlab, MS EXCEL
Wymagania wstępne w kategorii Kompetencji społecznych: Rozumie potrzebę uczenia się przez całe życie; potrafi inspirować i organizować proces uczenia się innych osób.
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 podstawowe metody reprezentacji wiedzy i potrafi je wykorzystać w celu utworzenia bazy wiedzy dla systemu ekspertowego | wykład, | kolokwium |
K_W04+ K_W16+ K_W17+++ |
P6S_WG |
02 | Zna współczesne narzędzia sztucznej inteligencji, m.in. sztuczne sieci neuronowe, algorytmy genetyczne i potrafi je wykorzystać do rozwiązania złożonych zadań i problemów występujących w zarządzaniu i inżynierii produkcji | wykład, | kolokwium |
K_W16++ K_W17+++ |
P6S_WG |
03 | Potrafi obsługiwać oprogramowanie, niezbędne do symulacji sztucznych sieci neuronowych (m.in. Statistica Neural networks, AITECH Neuronix) | laboratorium | zaliczenie cz. praktyczna |
K_U05+ K_U07+++ |
P6S_UW |
04 | Potrafi opracować sterownik dowolnym urządzeniem technicznym oraz system wnioskowania rozmytego, opartych na logice rozmytej i teorii zbiorów rozmytych | laboratorium | zaliczenie cz. praktyczna, |
K_U05+ K_U07++ |
P6S_UW |
05 | Potrafi opracować własną bazę wiedzy i reguły wnioskowania, w wyniku czego utworzyć własny system ekspertowy lub doradczy z wykorzystanie szkieletowego systemu ekspertowego | laboratorium | zaliczenie cz. praktyczna, |
K_U01++ K_U05+++ |
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).
Sem. | TK | Treści kształcenia | Realizowane na | MEK |
---|---|---|---|---|
7 | TK01 | W01 | MEK01 MEK05 | |
7 | TK02 | W02 | MEK02 MEK03 | |
7 | TK03 | W03 | MEK02 MEK04 | |
7 | TK04 | W04 | MEK02 | |
7 | TK05 | W05 | MEK02 MEK03 MEK04 | |
7 | TK06 | L01 | MEK05 | |
7 | TK07 | L02 | MEK04 | |
7 | TK08 | L03 | MEK03 | |
7 | TK09 | L04 | MEK03 | |
7 | TK10 | L05 | MEK03 MEK04 MEK05 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 7) | Przygotowanie do kolokwium:
5.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Uzupełnienie/studiowanie notatek:
5.00 godz./sem. Studiowanie zalecanej literatury: 2.00 godz./sem. |
Laboratorium (sem. 7) | Przygotowanie do laboratorium:
15.00 godz./sem. Przygotowanie do kolokwium: 5.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Dokończenia/wykonanie sprawozdania:
5.00 godz./sem. |
Konsultacje (sem. 7) | Udział w konsultacjach:
2.00 godz./sem. |
||
Zaliczenie (sem. 7) | Przygotowanie do zaliczenia:
5.00 godz./sem. |
Zaliczenie pisemne:
2.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | Na kolokwium pisemnym wykładu sprawdzana jest realizacja pierwszego, drugiego efektu modułowego (MEK01,MEK02). Sprawdzian obejmuje pytania obowiązkowe oraz dodatkowe. Student musi odpowiedzieć poprawnie na wszystkie pytania obowiązkowe, aby uzyskać ocenę dostateczną. Odpowiedź na pytania dodatkowe pozwala uzyskać wyższą ocenę: 25% poprawnych odpowiedzi - 3,5; 40% poprawnych odpowiedzi - 4,0; 60% poprawnych odpowiedzi - 4,5; 80% poprawnych odpowiedzi - 5,0 |
Laboratorium | Sprawdzian praktyczny, odbywający się na laboratorium, weryfikuje modułowe efekty kształcenia MEK03, MEK04 i MEK05. Sposób oceniania MEK03: student rozwiązuje zadania dotyczące zastosowania sztucznych sieci neuronowych. Maksymalna liczba punktów, jaką można zdobyć za dane zadanie zależy od poziomu trudności i czasochłonności zadania. Częściowe wykonanie zadania powoduje przyznanie liczby punktów proporcjonalnej do stopnia zrealizowania danego zadania. Zdobyte punkty za wszystkie zadania dotyczące MEK03 są sumowane. Student uzyskuje ocenę z MEK03 na podstawie następujących przedziałów procentowych, przy czym 100% to maksymalna możliwa do zdobycia sumaryczna liczba punktów: 0% - 49,99%: 2,0 (ndst); 50% - 59,99%: 3,0 (dst); 60% - 69,99%: 3,5 (+dst); 70% - 79,99%: 4,0 (db); 80% - 89,99%: 4,5 (+db); 90% - 100%: 5,0 (bdb). Sposób oceniania MEK04: student rozwiązuje zadania dotyczące tworzenia systemów rozmytego wnioskowania. Maksymalna liczba punktów, jaką można zdobyć za dane zadanie zależy od poziomu trudności i czasochłonności zadania. Częściowe wykonanie zadania powoduje przyznanie liczby punktów proporcjonalnej do stopnia zrealizowania danego zadania. Zdobyte punkty za wszystkie zadania dotyczące MEK04 są sumowane. Student uzyskuje ocenę z MEK04 na podstawie następujących przedziałów procentowych, przy czym 100% to maksymalna możliwa do zdobycia sumaryczna liczba punktów: 0% - 49,99%: 2,0 (ndst); 50% - 59,99%: 3,0 (dst); 60% - 69,99%: 3,5 (+dst); 70% - 79,99%: 4,0 (db); 80% - 89,99%: 4,5 (+db); 90% - 100%: 5,0 (bdb). Sposób oceniania MEK05: student rozwiązuje zadania dotyczące tworzenia baz wiedzy. Maksymalna liczba punktów, jaką można zdobyć za dane zadanie zależy od poziomu trudności i czasochłonności zadania. Częściowe wykonanie zadania powoduje przyznanie liczby punktów proporcjonalnej do stopnia zrealizowania danego zadania. Zdobyte punkty za wszystkie zadania dotyczące MEK05 są sumowane. Student uzyskuje ocenę z MEK05 na podstawie następujących przedziałów procentowych, przy czym 100% to maksymalna możliwa do zdobycia sumaryczna liczba punktów: 0% - 49,99%: 2,0 (ndst); 50% - 59,99%: 3,0 (dst); 60% - 69,99%: 3,5 (+dst); 70% - 79,99%: 4,0 (db); 80% - 89,99%: 4,5 (+db); 90% - 100%: 5,0 (bdb). |
Ocena końcowa | Warunkiem zaliczenia modułu jest osiągnięcie wszystkich efektów modułowych i zaliczenie wszystkich form zajęć. Ocena końcowa wyznaczana jest jako średnia ważona oceny z wykładu z wagą 0,4 i laboratorium z wagą 0,6. |
Wymagane podczas egzaminu/zaliczenia
(-)
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
1 | Ł. Paśko; G. Setlak | Random Forests in a Glassworks: Knowledge Discovery from Industrial Data | 2020 |
2 | Ł. Paśko; M. Piróg; G. Setlak | Pozyskiwanie wiedzy z danych przemysłowych do wspomagania decyzji w procesie produkcyjnym | 2019 |