Wierk - Wydział Informatyki, Elektroniczne Ramy Kwalifikacji

Wydział Informatyki
Kierunek studiów	Informatyka							Poziom i forma studiów	pierwszego stopnia inżynierskie niestacjonarne
Specjalność / Ścieżka dyplomowania	---							Profil kształcenia	ogólnoakademicki
Nazwa przedmiotu	Sztuczna inteligencja							Kod przedmiotu	INZ1SIN
								Rodzaj przedmiotu	obowiązkowy
Forma zajęć i liczba godzin	W	Ć	L	P	Ps	T	S	Semestr	4
	20				10			Punkty ECTS	4
Przedmioty wprowadzające	Algorytmy i struktury danych (INZ1ASD), Logika dla informatyków (INZ1LDI),
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. Odniesienia do standardu SFIA: Machine learning MLNG - poziom 3
Treści programowe	Wykład: Wprowadzenie do sztucznej inteligencji. Dyskusja zagadnień dotyczących testu zaproponowanego przez Alana M. Turinga. Reprezentacja wiedzy z wykorzystaniem metod zbiorów przybliżonych - Polska Szkoła Sztucznej Inteligencji. Podstawowe metody przeszukiwania przestrzeni stanów. Reprezentacja wiedzy z wykorzystaniem sztucznych sieci neuronowych, drzew decyzyjnych, algorytmów ewolucyjnych i języka logiki. Omówienie wybranych zastosowań systemów sztucznej inteligencji w rozwiązywaniu problemów inżynierskich i naukowych. Pracownia specjalistyczna: Projektowanie i implementacja aplikacji komputerowych, które wykorzystują metody sztucznej inteligencji.
Metody dydaktyczne	wykład problemowy, programowanie z użyciem komputera, metoda projektów,
Forma zaliczenia	Wykład: egzamin pisemny. Pracownia specjalistyczna: ocena sprawozdań, dokumentacja projektu.
Symbol efektu uczenia się	Zakładane efekty uczenia się								Odniesienie do kierunkowych efektów uczenia się
EU1	metody sztucznej inteligencji oraz ich zastosowania w rozwiązywaniu problemów inżynierskich i naukowych								H1_W01 INF1_W05 INF1_W10
EU2	projektować i implementować aplikacje komputerowe, które wykorzystują sztuczną inteligencję								INF1_U04 INF1_U10
EU3	zaplanować i przeprowadzić eksperymenty oraz symulacje w celu ustalenia skuteczności danej metody sztucznej inteligencji								INF1_U02 INF1_U06 INF1_U10
EU4	ocenić przydatność metod sztucznej inteligencji do rozwiązywania zadań inżynierskich oraz wybierać i stosować właściwe rozwiązania								INF1_U10 INF1_U15
Symbol efektu uczenia się	Sposób weryfikacji efektu uczenia się								Forma zajęć na której zachodzi weryfikacja
EU1	egzamin pisemny								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								20
	2 - Udział w pracowni specjalistycznej								10
	3 - Opracowanie sprawozdań z pracowni i wykonanie zadań domowych								44
	4 - Udział w konsultacjach								4
	5 - Przygotowanie do egzaminu								20
	6 - Obecność na egzaminie								2
RAZEM:									100
Wskaźniki ilościowe									GODZINY	ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela									36 (1)+(4)+(6)+(2)	1.4
Nakład pracy studenta związany z zajęciami o charakterze praktycznym									54 (2)+(3)	2.2
Literatura podstawowa	1. M. Flasiński, Wstęp do sztucznej inteligencji, PWN, 2021 2. L. Rutkowski, Metody i techniki sztucznej inteligencji, PWN, 2021 3. R. Nowak, M. Muraszkiewicz, Sztuczna Inteligencja Dla Inżynierów. Metody Ogólne. 1st ed., Oficyna Wydawnicza Politechniki Warszawskiej, 2022 4. Tools for Learning Artificial Intelligence, strona internetowa http://www.aispace.org
Literatura uzupełniająca	1. System oprogramowania RSES, strona internetowa http://logic.mimuw.edu.pl/~rses 2. Strona internetowa http://wazniak.mimuw.edu.pl/index.php?title=Sztuczna_inteligencja 3. J. Stepaniuk, Rough - Granular Computing in Knowledge Discovery and Data Mining, Studies In Computational Intelligence 152, Springer, 2008
Jednostka realizująca	Katedra Systemów Informacyjnych i Sieci Komputerowych								Data opracowania programu
Program opracował(a)	prof. dr hab. Jarosław Stepaniuk								2023.04.04