Cykl kształcenia: 2019/2020
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: drugiego stopnia
Forma studiów: niestacjonarne
Specjalności na kierunku: Automatyzacja produkcji, Ekologia produkcji, Nowoczesne metody zarządzania produkcją, Nowoczesne technologie informacyjno-komunikacyjne w przedsiębiorstwie
Tytuł otrzymywany po ukończeniu studiów: magister inżynier
Nazwa jednostki prowadzącej zajęcia: Zakład Informatyki
Kod zajęć: 6296
Status zajęć: obowiązkowy dla programu Automatyzacja produkcji, Ekologia produkcji, Nowoczesne metody zarządzania produkcją, Nowoczesne technologie informacyjno-komunikacyjne w przedsiębiorstwie
Układ zajęć w planie studiów: sem: 2 / W10 L15 / 4 ECTS / E
Język wykładowy: polski
Imię i nazwisko koordynatora: dr hab. inż. prof. PRz Galina Setlak
Terminy konsultacji koordynatora: wtorek 12.30 do 14.00, środa od 10.30 do 12.00, gsetlak.v.prz.edu.pl
semestr 2: dr inż. Łukasz Paśko , termin konsultacji https://lukaszpasko.v.prz.edu.pl/konsultacje
Główny cel kształcenia: Głównym celem kształcenia jest zapoznanie studentów z podstawowymi nowoczesnymi metodami do tworzenia systemów wspomagania decyzji zarówno w zarządzaniu, jak i inżynierii produkcji. Przedstawienie również podstaw procesów decyzyjnych oraz metod i narzędzi informatycznych, wspomagających podejmowanie decyzji oraz istniejące oprogramowanie niezbędne w tym zakresie, m.in. AITECH DSS 4.5 i Microsoft Business Intelligence.
Ogólne informacje o zajęciach: Moduł jest podstawowym modułem kształcenia w ramach programu studiów II stopnia na kierunku Zarządzanie i inżynieria produkcji
Materiały dydaktyczne: Materiały są umieszczane na stronach WWW prowadzących zajęcia: gsetlak.v.prz.edu.pl, lukaszpasko.v.prz.edu.pl oraz w MS Teams w folderze Pliki/Materiały z zajęć przy pracy zdalnej
1 | Bojar, Waldemar, Katarzyna Rostek, Leszek Knopik.: | Systemy wspomagania decyzji | PWE, Warszawa. | 2014 |
2 | Pod red. nauk. Tadeusz Trzaskalik | Wielokryterialne wspomaganie decyzji: metody i zastosowania | Polskie.Wydawnictwo Ekonomiczne, Warszawa . | 2014 |
3 | Power D.J. | Decision Support, Analytics, and Business Intelligence | Copyright © Business Expert Press.. | 2013 |
1 | Łachwa A. | Rozmyty świat zbiorów, liczb, relacji, faktów, reguł i decyzji .Rozmyty świat zbiorów, liczb, relacj | Akademicka Oficyna Wydawnicza Exit, W-wa. | 2001 |
2 | Pod red. T. Szapiro | Decyzje menedżerskie z Excelem | PWE, Warszawa. | 2000 |
3 | Surma, Jerzy | Business Intelligence : systemy wspomagania decyzji biznesowych | Wydaw. Nauk. PWN, Warszawa . | 2012 |
4 | Pod red. nauk. Tadeusz Trzaskalik | Wielokryterialne wspomaganie decyzji: metody i zastosowania | Polskie.Wydawnictwo Ekonomiczne, Warszawa . | 2014 |
1 | Turban E., J.E.Aronson | Decision Support Systems and Intelligent Systems | New Jersey: Prentice Hall. | 2001 |
Wymagania formalne: Student musi być zarejestrowany na PIERWSZY semestr studiów
Wymagania wstępne w kategorii Wiedzy: Student powinien posiadać wiedzę w zakresie Matematyki, Technologii informacyjnych, Informatyki, Baz danych oraz Badań operacyjnych
Wymagania wstępne w kategorii Umiejętności: Wymagane jest posiadanie umiejętności obsługi podstawowego oprogramowania takiego, jak MS Excel, MATLAB
Wymagania wstępne w kategorii Kompetencji społecznych: Umiejętność samodzielnego poszerzania swej wiedzy i doskonalenia umiejętności zawodowych
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 | Posiada umiejętności modelowania procesów decyzyjnych, ich rozpoznawania identyfikacji struktury i parametrów modeli. Ponadto potrafi właściwie dobierać odpowiednie metody w celu rozwiązania lub wspomagania problemu decyzyjnego. | wykład, laboratorium | egzamin cz. pisemna, zaliczenie cz. praktyczna |
K_W07+ K_U07++ K_U08+ K_U10+ |
P7S_UK P7S_UW P7S_WG |
02 | Zna możliwości i funkcjonaność systemów wspomagania decyzji, potrafi skonfigurować podstawowe wymagania użytkownika w celu wyboru i wdrożenia odpowiedniego oprogramowaniado wspomagania decyzji w danej organizacji | wykład, laboratorium | egzamin cz. pisemna, zaliczenie cz. praktyczna |
K_W05+ K_W07+ K_U09+ |
P7S_UW P7S_WG P7S_WK |
03 | Posiada wiedzę w zakresie podstawowych i nowoczesnych metod, technik i narzędzi informatycznych wspomagających proces podejmowania decyzji w zarządzaniu | wykład, laboratorium | egzamin cz. pisemna, zaliczenie cz. praktyczna |
K_W07+ K_U07++ K_U10+ |
P7S_UK P7S_UW P7S_WG |
04 | Potrafi pracować w zespole. Posiada umiejętności wykorzystywania metod grupowego podejmowania decyzji i symulacji komputerowej, w tym gry symulacyjne. | wykład, laboratorium problemowe, gra dydaktyczna | egzamin cz. pisemna, zaliczenie cz. praktyczna, prezentacja dokonań (portfolio) |
K_W05+ K_U08+++ K_U09++ K_U10+ |
P7S_UW P7S_WK |
05 | Zna współczesne technologie informatyczne, takie jak OLAP, hurtownie danych, metody i narzędzia sztucznej inteligencji, potrafi ich wykorzystać do tworzenia inteligentnych systemów decyzyjnych | wykład, laboratorium | egzamin cz. pisemna, zaliczenie cz. praktyczna |
K_W05+ K_U09+ K_U10+ |
P7S_UW P7S_WK |
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 |
---|---|---|---|---|
2 | TK01 | W01, W02 | MEK01 MEK02 | |
2 | TK02 | W03 | MEK02 MEK03 | |
2 | TK03 | W04 | MEK01 MEK03 MEK04 | |
2 | TK04 | W05 | MEK03 MEK05 | |
2 | TK05 | L01 | MEK01 MEK02 | |
2 | TK06 | LO2 | MEK02 MEK03 | |
2 | TK07 | L03 | MEK03 MEK05 | |
2 | TK08 | L04 | MEK03 MEK05 | |
2 | TK09 | L05 | MEK03 MEK05 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 2) | Przygotowanie do kolokwium:
15.00 godz./sem. |
Godziny kontaktowe:
10.00 godz./sem. |
Studiowanie zalecanej literatury:
15.00 godz./sem. |
Laboratorium (sem. 2) | Przygotowanie do laboratorium:
10.00 godz./sem. Przygotowanie do kolokwium: 15.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Dokończenia/wykonanie sprawozdania:
5.00 godz./sem. |
Konsultacje (sem. 2) | |||
Egzamin (sem. 2) | Przygotowanie do egzaminu:
15.00 godz./sem. |
Egzamin pisemny:
2.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | Na egzaminie sprawdzana jest realizacja wszystkich efektów modułowych. Aby uzyskać ocenę dostateczną (3,0) STUDENT/Studentka muszą uzyskać co najmniej 60% poprawnych odpowiedzi, na wyższą ocenę - plus dostateczną (3,5) należy udzielić od 65% do 73% poprawnych odpowiedzi, na ocenę dobrą (4,0) od 73% do 85% poprawnych odpowiedzi , od 85% do 93% - ocenę plus dobrą (4,5) i powyżej 93% poprawnych odpowiedzi - ocenę bardzo dobrą (5,0) |
Laboratorium | Na zaliczeniu praktycznym laboratorium sprawdzana jest realizacja drugiego i trzeciego efektu modułowego (MEK02, MEK03). Sprawdzian obejmuje zadania obowiązkowe oraz dodatkowe. Student musi poprawnie wykonać WSZYSTKIE zadania obowiązkowe, aby uzyskać ocenę dostateczną. Rozwiązanie zadań dodatkowych pozwala uzyskać wyższą ocenę: 25% poprawnie rozwiązanych zadań - 3,5; 40% poprawnie rozwiązanych zadań - 4,0; 60% poprawnie rozwiązanych zadań - 4,5; 80% poprawnie rozwiązanych zadań - 5,0; |
Ocena końcowa | Warunkiem zaliczenia modułu jest osiągnięcie wszystkich efektów modułowych i zaliczenie wszystkich form zajęć. Student musi odpowiedzieć na wszystkie zadania egzaminacyjne, aby uzyskać ocenę dostateczną. Rozwiązanie zadań dodatkowych pozwala uzyskać ocenę wyższą: 25% - 3.5, 40% - 4.0, 60% - 4.5 80% - 5.0 |
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 |