Wierk - Wydział Informatyki, Elektroniczne Ramy Kwalifikacji

Wydział Informatyki
Kierunek studiów	Informatyka							Poziom i forma studiów	drugiego stopnia stacjonarne
Specjalność / Ścieżka dyplomowania	Inteligentne Technologie Internetowe							Profil kształcenia	ogólnoakademicki
Nazwa przedmiotu	Zaawansowane systemy sztucznej inteligencji							Kod przedmiotu	INF2ZSI
								Rodzaj przedmiotu	obowiązkowy
Forma zajęć i liczba godzin	W	Ć	L	P	Ps	T	S	Semestr	2
	15				30			Punkty ECTS	3
Przedmioty wprowadzające
Cele przedmiotu	Celem przedmiotu jest wykształcenie umiejętności stosowania zaawansowanych metod sztucznej inteligencji do trudnych obliczeniowo problemów. Student zostanie wyposażony w wiedzę na temat zaawansowanych narzędzi sztucznej inteligencji.
Treści programowe	Wykład: Wprowadzenie do zaawansowanych systemów sztucznej inteligencji. Wnioskowanie na podstawie wiedzy niedoskonałej. Duże dane (ang. Big Data) i dane niezbalansowane. Definiowanie pojęć nieostrych w systemach wiedzy za pomocą metod zbiorów rozmytych, metod zbiorów przybliżonych i rozmyto-przybliżonych. Pracownia specjalistyczna: Realizacja zadań cząstkowych mających na celu wykorzystanie poznanych metod stosowanych w zaawansowanych systemach sztucznej inteligencji oraz implementacje wybranych algorytmów poznanych w trakcie wykładu. Realizacja złożonego projektu końcowego wykorzystującego poznane metody stosowane w zaawansowanych systemach sztucznej inteligencji.
Metody dydaktyczne	wykład problemowy, programowanie z użyciem komputera, metoda projektów, wykład informacyjny,
Forma zaliczenia	Wykład - zaliczenie pisemne. Pracownia specjalistyczna - ocena sprawozdań, wykonanie i obrona projektu.
Symbol efektu uczenia się	Zakładane efekty uczenia się								Odniesienie do kierunkowych efektów uczenia się
EU1	ma wiedzę na temat zaawansowanych metod sztucznej inteligencji pozwalającą na rozwiązywanie trudnych obliczeniowo problemów informatycznych								INF2_W01 INF2_W07
EU2	potrafi badać złożone obiekty i systemy oraz analizować proponowane rozwiązania								INF2_U01 INF2_U09
EU3	rozumie potrzebę i zna możliwości ciągłego dokształcania się (szkoła doktorska, studia podyplomowe, kursy)								INF2_U14
EU4	ma świadomość roli społecznej absolwenta uczelni technicznej, a zwłaszcza rozumie potrzebę formułowania i przekazywania społeczeństwu, między innymi poprzez środki masowego przekazu, informacji i opinii dotyczących osiągnięć nauki i techniki w sposób powszechnie zrozumiały								INF2_K03
Symbol efektu uczenia się	Sposób weryfikacji efektu uczenia się								Forma zajęć na której zachodzi weryfikacja
EU1	zaliczenie pisemne								W
EU2	ocena sprawozdań, wykonanie i obrona projektu								Ps
EU3	ocena sprawozdań, wykonanie i obrona projektu								Ps
EU4	ocena sprawozdań, wykonanie i obrona projektu								Ps
Bilans nakładu pracy studenta (w godzinach)									Liczba godz.
Wyliczenie
	1 - Udział w wykładach - 15x1h								15
	2 - Udział w pracowni specjalistycznej - 15x2h								30
	3 - Przygotowanie do pracowni specjalistycznej								5
	4 - Opracowanie sprawozdań z pracowni i wykonanie zadań domowych								10
	5 - Udział w konsultacjach								5
	6 - Przygotowanie do zaliczenia								10
RAZEM:									75
Wskaźniki ilościowe									GODZINY	ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela									50 (1)+(2)+(5)	2.0
Nakład pracy studenta związany z zajęciami o charakterze praktycznym									55 (2)+(4)+(6)+(3)	2.2
Literatura podstawowa	1. M. Flasiński, Wstęp do sztucznej inteligencji, Wydawnictwo Naukowe PWN, 2020. 2. L. Rutkowski, Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, 2020. 3. Pakiet RoughSets: Data Analysis Using Rough Set and Fuzzy Rough Set Theories. https://CRAN.R-project.org/package=RoughSets
Literatura uzupełniająca	1. R. Tadeusiewicz, Polska wyspa w archipelagu sztucznej inteligencji - zbiory przybliżone, https://natemat.pl/blogi/ryszardtadeusiewicz/150285,polska-wyspa-w-archipelagu-sztucznej-inteligencji-zbiory-przyblizone# 2. J. Stepaniuk, Rough - Granular Computing in Knowledge Discovery and Data Mining, Studies In Computational Intelligence, Springer, 2008. 3. Różne aktualne artykuły naukowe udostępnione studentom.
Jednostka realizująca	Katedra Systemów Informacyjnych i Sieci Komputerowych								Data opracowania programu
Program opracował(a)	prof. dr hab. Jarosław Stepaniuk								2020.05.22