| Wydział Informatyki | ||||||||||
| Kierunek studiów | Informatyka i ekonometria | Poziom i forma studiów | pierwszego stopnia inżynierskie stacjonarne | |||||||
| Specjalność / Ścieżka dyplomowania | --- | Profil kształcenia | praktyczny | |||||||
| Nazwa przedmiotu | Sztuczna inteligencja | Kod przedmiotu | IE1SIN | |||||||
| Rodzaj przedmiotu | obowiązkowy | |||||||||
| Forma zajęć i liczba godzin | W | Ć | L | P | Ps | T | S | Semestr | 4 | |
| 30 | 30 | Punkty ECTS | 5 | |||||||
| Przedmioty wprowadzające | Logika dla informatyków (IE1LDI), | |||||||||
| Cele przedmiotu |
Omówienie wybranych koncepcji sztucznej inteligencji. Zapoznanie studentów z podstawowymi metodami przeszukiwania przestrzeni stanów. Nauczenie podstaw metod reprezentacji wiedzy za pomocą sztucznych sieci neuronowych, algorytmów ewolucyjnych i drzew decyzyjnych. Celem przedmiotu jest również poznanie wybranych metod reprezentacji wiedzy z wykorzystaniem teorii zbiorów przybliżonych - jednej z nielicznych metod informatycznych zainicjowanych w Polsce, która znalazła uznanie na całym świecie. Przedstawienie metod wnioskowania opartego na logice rachunku zdań i logice predykatów. Celem przedmiotu jest ponadto przedstawienie praktycznych zastosowań systemów sztucznej inteligencji. |
|||||||||
| Treści programowe |
Wykład: Pracownia specjalistyczna: |
|||||||||
| Metody dydaktyczne |
wykład problemowy, programowanie z użyciem komputera, metoda projektów, |
|||||||||
| Forma zaliczenia |
Wykład: zaliczenie pisemne. |
|||||||||
| Symbol efektu uczenia się | Zakładane efekty uczenia się | Odniesienie do kierunkowych efektów uczenia się | ||||||||
| EU1 | zna metody sztucznej inteligencji oraz ich zastosowania w rozwiązywaniu problemów inżynierskich i naukowych |
K_W04 K_W09 |
||||||||
| EU2 | potrafi projektować i implementować aplikacje komputerowe, które wykorzystują sztuczną inteligencję |
K_U03 |
||||||||
| EU3 | potrafi zaplanować i przeprowadzić eksperymenty oraz symulacje w celu ustalenia skuteczności danej metody sztucznej inteligencji |
K_U03 |
||||||||
| EU4 | potrafi ocenić przydatność metod sztucznej inteligencji do rozwiązywania zadań inżynierskich oraz wybierać i stosować właściwe rozwiązania |
K_U03 |
||||||||
| Symbol efektu uczenia się | Sposób weryfikacji efektu uczenia się | Forma zajęć na której zachodzi weryfikacja | ||||||||
| EU1 | zaliczenie wykładu | W | ||||||||
| EU2 | sprawozdanie z wykonywanych zadań, dokumentacja projektu | Ps | ||||||||
| EU3 | sprawozdanie z wykonywanych zadań | Ps | ||||||||
| EU4 | sprawozdanie z wykonywanych zadań | Ps | ||||||||
| Bilans nakładu pracy studenta (w godzinach) | Liczba godz. | |||||||||
| Wyliczenie | ||||||||||
| 1 - Udział w wykładach | 30 | |||||||||
| 2 - Udział w pracowni specjalistycznej | 30 | |||||||||
| 3 - Przygotowanie do pracowni specjalistycznej | 10 | |||||||||
| 4 - Opracowanie sprawozdań z pracowni i wykonanie zadań domowych | 10 | |||||||||
| 5 - Udział w konsultacjach | 5 | |||||||||
| 6 - Realizacja zadań projektowych (w tym przygotowanie prezentacji) | 25 | |||||||||
| 7 - Przygotowanie do zaliczenia wykładu | 15 | |||||||||
| RAZEM: | 125 | |||||||||
| Wskaźniki ilościowe | GODZINY | ECTS | ||||||||
| Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela | 65 (2)+(1)+(5) |
2.6 | ||||||||
| Nakład pracy studenta związany z zajęciami o charakterze praktycznym | 75 (2)+(4)+(6)+(3) |
3.0 | ||||||||
| Literatura podstawowa |
1. M. Flasiński, Wstęp do sztucznej inteligencji, Wydaw. Naukowe PWN, Warszawa 2021. |
|||||||||
| Literatura uzupełniająca |
1. Pakiet oprogramowania RoughSets: Data Analysis Using Rough Set and Fuzzy Rough Set Theories., strona internetowa: https://cran.r-project.org/package=RoughSets |
|||||||||
| Jednostka realizująca | Katedra Systemów Informacyjnych i Sieci Komputerowych | Data opracowania programu | ||||||||
| Program opracował(a) | prof. dr hab. Jarosław Stepaniuk | 2021.04.28 | ||||||||