Zapoznanie studentów z podstawowymi pojęciami teoretycznymi i problemami praktycznymi komputerowych systemów wspomagania decyzji. Podstawy przedmiotu tworzy bayesowska teoria decyzji oparta na wielowymiarowych modelach probabilistycznych. Rozpatrywane będą liniowe i nieliniowe reguły decyzyjne wywodzące się metod rozpoznawania obrazów, sieci neuropodobnych, analizy dyskryminacyjnej oraz metod eksploracji danych i uczenia maszynowego. Wspomaganie decyzji wiąże się też w przedmiocie z metodami prognozowania opartymi na różnego rodzaju modelach regresyjnych.

Wykład:
1. Wielowymiarowe rozkłady prawdopodobieństwa.
2. Bayesowskie reguły decyzyjne.
3. Ryzyko.
4. Liniowe i nieliniowe reguły decyzyjne.
5. Ocena klasyfikatorów.
6. Liniowa regresja wielowymiarowa.
7. Drzewa decyzyjne i regresyjne.
8. Sieci neuropodobne.
9. Analiza skupień.
10. Skalowanie wielowymiarowe.

Pracownia specjalistyczna:
1. Liniowe i nieliniowe reguły decyzyjne.
2. Ocena klasyfikatorów.
3. Analiza skupień.
4. Drzewa decyzyjne.

wykład problemowy,   programowanie z użyciem komputera,  

Wykład - kolokwium zaliczające wykład, rozmowa sprawdzająca.
Pracownia specjalistyczna - ocena sprawozdań, sprawdziany przygotowania do zajęć, wykonanie projektu, obrona projektu.

1. A. M. Kwiatkowska, Systemy wspomagania decyzji, PWN, Warszawa, 2007.
2. P. Kulczycki, O. Hryniewicz, J. Kacprzyk, Techniki informacyjne w badaniach systemowych, WNT, Warszawa, 2007.
3. J. Koronacki, J. Ćwik, Statystyczne systemy uczące się, WNT, Warszawa, 2005.

1. L. Bobrowski, Eksploracja danych oparta na wypukłych i odcinkowo-liniowych funkcjach kryterialnych, Wydawnictwa Politechniki Białostockiej, Białystok, 2005.
2. R. O. Duda, P. O. Hart, Pattern Classification and Scene Analysis, John Wiley, New York, 1973.
3. R. A. Johnson, D. W. Wichern, Applied Multivariate Statistical Analysis, Prentiice-Hall, Inc., Englewood Cliffs, New York, 1991.
4. S. Greco, J. Figueira, M. Ehrgott, Multiple criteria decision analysis, Springer, New York, 2016.