Cel kształcenia i wykaz literatury

Główny cel kształcenia: Student powinien posiąść podstawową wiedzę z zakresu języka C, algorytmiki, metody reprezentowania informacji, implementacji dynamicznych struktur danych i zastastowania techniki rekurencji. Dodatkowo, student powinien sprawnie poruszać się w środowisku programistycznym Visual Studio i programować w języku C#.

Ogólne informacje o zajęciach: Moduł zakłada zapoznanie studenta z zagadnieniami algorytmizacji problemów, implementacji algorytmów w wybranym języku programowania i środowisku programistycznym, tworzeniem programów strukturalnych i obiektowych, konstruowaniem dynamicznych struktur danych, wykonywaniem obliczeń numerycznych i przetwarzania danych oraz projektowaniem aplikacji opartych na interfejsie z użytkownikiem.

Materiały dydaktyczne: Dostępne w wersji elektronicznej na stronie http://maciejkusy.sd.prz.edu.pl

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Cormen T. H., Leiserson Ch. E., Rivest R. L., Stein C.	Wprowadzenie do algorytmów	WNT, Warszawa.	2004
2	Gurbiel E., Hardt-Olejniczak G., Kołczyk E., Krupicka H., Sysło M. M.	Informatyka. Podręcznik dla liceum ogólnokształcącego, cz. 1, cz.2	WSIP, Warszawa.	2002
3	Kernighan B. W., Ritchie D. M.	Język ANSI C	WNT, Warszawa.	1994
4	Liberty J.	C#. Programowanie	O’REILLY®, Helion.	2006
5	Lis M.	C#. Praktyczny kurs	Helion.	2007
6	Perry S.C.	C# i .NET	Prentice Hall, Helion.	2006
7	Hejlsberg A., Torgersen M., Wiltamuth S., Golde P.	Język C#. Programowanie	Wydawnictwo Helion.	2010
8	Powers L., Snell M.	Microsoft Visual Studio 2008 – KSIĘGA EKSPERTA	Helion.	2009
9	Troelsen A.	Język C# 2008 i platforma .NET 3.5	Wydawnictwo naukowe PWN SA.	2009

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Cormen T. H., Leiserson Ch. E., Rivest R. L., Stein C.	Wprowadzenie do algorytmów	WNT, Warszawa.	2004
2	Gurbiel E., Hardt-Olejniczak G., Kołczyk E., Krupicka H., Sysło M. M.	Informatyka. Podręcznik dla liceum ogólnokształcącego, cz. 1, cz.2	WSIP, Warszawa.	2002
3	Kernighan B. W., Ritchie D. M.	Język ANSI C	WNT, Warszawa.	1994
4	Kusy M.	Metodyki i techniki programowania. Laboratorium	Oficyna Wydawnicza Politechniki Rzeszowskiej.	2009
5	Chłosta P.	Aplikacje Windows Forms .Net w C#	Wydawnictwo naukowe PWN.	2006
6	Powers L., Snell M.	Microsoft Visual Studio 2008 – KSIĘGA EKSPERTA	Helion.	2009

Literatura do samodzielnego studiowania

1	Matulewski J.	C#3.0 i .NET 3.5. Technologia LINQ	Helion.	2008
2	Grębosz J.	Symfonia C++ standard. Programowanie w języku C++ orientowane obiektowo	EDITION 2000, Kraków.	2005
3	Grębosz J.	Pasja C++	Oficyna Kalimach, Kraków.	1997

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Student zarejestrowany na drugi semestr.

Wymagania wstępne w kategorii Wiedzy: Ma wiedzę w zakresie algebry elementarnej; biegle operuje podstawowymi działaniami arytmetycznymi; zna pojęcie zmiennej, zbioru i wielomianu razem z jego faktoryzacją i znajdowaniem pierwiastków;

Wymagania wstępne w kategorii Umiejętności: Student powinien sprawnie obsługiwać komputer oraz dokładnie (krok po kroku) tłumaczyć sposób rozwiązanego przez siebie problemu.

Wymagania wstępne w kategorii Kompetencji społecznych: brak

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	Potrafi przedstawić specyfikację algorytmu i wyszczególnić elementy schematu blokowego dla danego problemu algorytmicznego.	wykład, ćwiczenia rachunkowe, laboratorium	egzamin cz. pisemna, zaliczenie cz. pisemna, obserwacja wykonawstwa	K_W11+	P6S_WG
02	Zna i używa podstawowe typy, instrukcje sterujące, operatory i operacje formatowania wejścia/wyjścia w języku C.	wykład, ćwiczenia rachunkowe, laboratorium	egzamin cz. pisemna, zaliczenie cz. pisemna	K_U22+	P6S_UW
03	Zna i potrafi krótko opisać wybrane struktury danych (stos, kolejka, lista).	wykład, ćwiczenia rachunkowe, laboratorium	egzamin cz. pisemna, obserwacja wykonawstwa
04	Opracowuje na podstawie specyfikacji proste aplikacje wykorzystujące techniki programowania obiektowego.	laboratorium	obserwacja wykonawstwa	K_U22++ K_K08++	P6S_KR 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
2	TK01	Wprowadzenie podstawowych pojęć: Algorytm i sposoby jego przedstawiania, podstawowe konstrukcje języków algorytmicznych. Przykłady algorytmów.	W01, C01, C02, C03, C04, C05	MEK01
2	TK02	Wprowadzenie do języka C. Typy danych. Modyfikatory typów. Operatory, priorytet operatorów. Instrukcje sterujące i pętle. Typy pochodne i złożone. Formatowanie wejścia i wyjścia. Wykorzystanie rekurencji. Reprezentacje liczb.	W02, C06, C07, C08, C09, C10, L01, L02	MEK02
2	TK03	Język C: tablice, wskaźniki, deklaracja i definicja funkcji, wywołanie funkcji, argumenty funkcji, zmienne lokalne i globalne	W03, C06, C07, C08, C09, C10, L01, L02, L03, L04, L05	MEK02
2	TK04	Język C: dynamiczny przydział pamięci dla łańcuchów znakowych, typy złożone (struktury, unie), strumienie w pracy z plikami, zapis i odczyt z pliku	W04, C06, C07, C08, C09, C10, L01, L02, L03, L04, L05	MEK02
2	TK05	Wprowadzenie do języka C#. Środowisko .NET. Typy proste (wartościowe, skalarne). Stałe, wyliczenia i łańcuchy znaków. Instrukcje warunkowe, pętle i operatory.	W05	MEK04
2	TK06	Klasy, obiekty, cechy programowania obiektowego. Modyfikatory dostępu. Tworzenie obiektów. Konstruktor. Przekazywanie argumentów do metody. Parametry z modyfikatorem out. Słowo kluczowe this. Używanie składowych statycznych. Hermetyzacja za pomocą właściwości. Struktury.	W06, C11, C12, C13, L06, L07, L08, L09, L10	MEK04
2	TK07	Tablice, mechanizm indeksowania.	W07, C11, C12, C13, L06, L07, L08, L09, L10	MEK03
2	TK08	Kolekcje i typy generyczne. Struktury danych.	W08, C11, C12, C13, L06, L07, L08, L09, L10	MEK03
2	TK09	Dziedziczenie i polimorfizm. Pojęcie specjalizacji i uogólniania. Używanie dziedziczenia. Wywołanie metod klasy podstawowej. Rzutowanie w dziedziczeniu; Implementacja polimorfizmu (virtual, override). Przesłanianie metod (new). Klasa abstrakcji. Klasa Object.	W09, L09, L10	MEK04
2	TK10	Pojęcie interfejsu. Definiowanie i implementowanie interfejsu. Obsługa kilku interfejsów. Łączenie i rozszerzanie interfejsów Dostęp do metod interfejsu. Rzutowanie na interfejs. Operator is i operator as. Interfejs kontra klasy abstrakcyjne. Przesłanianie implementacji interfejsu. Jawna implementacja interfejsu.	W10, L08, L09, L10	MEK04
2	TK11	Obsługa wyjątków. Pojęcie wyjątku i sytuacji wyjątkowej. Strukturalna obsługa wyjątków. Zgłaszanie wyjątków. Przechwytywanie wyjątków. Własne niestandardowe wyjątki.	W11, L09, L10	MEK04
2	TK12	Strumienie. Serializacja. Praca na plikach w technologii .NET.	W12, L10	MEK04
2	TK13	Przeciążanie operatorów: cel, zasady, które operatory można przeciążać. Przykłady metod operatorowych.	W13	MEK04
2	TK14	Delegaty.	W14	MEK04
2	TK15	Praktyczne wykorzystanie technologii .NET.	W15

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 2)		Godziny kontaktowe: 30.00 godz./sem.	Uzupełnienie/studiowanie notatek: 10.00 godz./sem. Studiowanie zalecanej literatury: 10.00 godz./sem.
Ćwiczenia/Lektorat (sem. 2)	Przygotowanie do ćwiczeń: 15.00 godz./sem. Przygotowanie do kolokwium: 4.00 godz./sem.	Godziny kontaktowe: 30.00 godz./sem.	Dokończenia/studiowanie zadań: 15.00 godz./sem.
Laboratorium (sem. 2)	Przygotowanie do laboratorium: 10.00 godz./sem.	Godziny kontaktowe: 30.00 godz./sem.	Inne: 10.00 godz./sem.
Konsultacje (sem. 2)	Przygotowanie do konsultacji: 3.00 godz./sem.	Udział w konsultacjach: 3.00 godz./sem.
Egzamin (sem. 2)	Przygotowanie do egzaminu: 3.00 godz./sem.	Egzamin pisemny: 3.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Egzamin w formie testu i zadań.
Ćwiczenia/Lektorat	Zaliczenie na podstawie sprawdzianu wiadomości.
Laboratorium	Średnia ocen za opracowane programy i odpowiedzi ustne na poszczególnych zajęciach.
Ocena końcowa	Ocena na podstawie wyniku z egzaminu, lub średnia ocen z zajęć ćwiczeniowych i laboratoryjnych.

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. Konior; P. Kowalski; M. Kusy; M. Szwagrzyk	Machine learning techniques for explaining air pollution prediction	2022
2	J. Izydorczyk; P. Kowalski; M. Kusy; M. Szwagrzyk	Estimation of atmospheric boundary layer values in the context of the daily prediction of PM10 air pollution	2022
3	P. Kowalski; M. Kusy	Algorithms for Triggering General Regression Neural Network	2022
4	P. Kowalski; M. Kusy	Architecture reduction of a probabilistic neural network by merging k-means and k-nearest neighbour algorithms	2022
5	P. Kowalski; M. Kusy	Detection of Fraudulent Credit Card Transactions by Computational Intelligence Models as a Tool in Digital Forensics	2022
6	J. Kielpinska; A. Konior; P. Kowalski; M. Kusy; M. Szwagrzyk	Numerical analysis of factors, pace and intensity of the corona virus (COVID-19) epidemic in Poland	2021
7	M. Kusy; R. Zajdel	A weighted wrapper approach to feature selection	2021
8	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
9	J. Kluska; M. Kusy; R. Zajdel; T. Żabiński	Weighted Feature Selection Method for Improving Decisions in Milling Process Diagnosis	2020
10	P. Kowalski; S. Kubasiak; M. Kusy; S. Łukasik	Probabilistic Neural Network - parameters adjustment in classification task	2020
11	J. Kluska; M. Kusy; B. Obrzut; M. Obrzut; A. Semczuk	Prediction of 10-year Overall Survival in Patients with Operable Cervical Cancer using a Probabilistic Neural Network	2019
12	M. Kusy	Selection of pattern neurons for a probabilistic neural network by means of clustering and nearest neighbor techniques	2019