Module also offered within study programmes:
General information:
Name:
Narzędzia informatyczne w badaniach naukowych II
Course of study:
2012/2013
Code:
DGK-3-202-s
Faculty of:
Mining Surveying and Environmental Engineering
Study level:
Third-cycle studies
Specialty:
-
Field of study:
Geodesy and Cartography
Semester:
2
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
prof. dr hab. inż. Gruszczyński Stanisław (sgrusz@agh.edu.pl)
Academic teachers:
prof. dr hab. inż. Gruszczyński Stanisław (sgrusz@agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Potrafi przedstawić złożone modele CI GK3A_K01 Presentation
Skills
M_U001 Posaiada umiejetność zdefiniowania rozwiązania problemu metodami CI GK3A_U01 Activity during classes
M_U002 Posiada umiejetność walidacji modeli CI oraz dokonania ich wyboru według obiektywnych kryteriów GK3A_U02 Activity during classes
Knowledge
M_W001 Posiada podstawową wiedzę dotyczącą inteligencji obliczeniowej i jej metod GK3A_W01 Presentation
M_W002 Posiada wiedzę dotyczącą zastosowania i ograniczeń zastosowania metod CI w modelowaniu zaleznościklasyfikacyjnych i regersyjnych GK3A_W02 Presentation
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Potrafi przedstawić złożone modele CI - - - - - + - - - - -
Skills
M_U001 Posaiada umiejetność zdefiniowania rozwiązania problemu metodami CI - - - - - + - - - - -
M_U002 Posiada umiejetność walidacji modeli CI oraz dokonania ich wyboru według obiektywnych kryteriów - - - - - + - - - - -
Knowledge
M_W001 Posiada podstawową wiedzę dotyczącą inteligencji obliczeniowej i jej metod - - - - - + - - - - -
M_W002 Posiada wiedzę dotyczącą zastosowania i ograniczeń zastosowania metod CI w modelowaniu zaleznościklasyfikacyjnych i regersyjnych - - - - - + - - - - -
Module content
Seminar classes:
  1. Metody CI jako alternatywne metody budowy modeli naukowych

    Metody CI,ich rozwój i zastosowania

  2. Wniskowanie rozmyte

    Budowa systemów wnioskowania rozmytego i ich interpretacja

  3. Klasyfikatory neuronowe

    Typy i zastosowanie neuronowych modeli klasyfikacyjnych

  4. Neuronowe modele regresji

    Budowa i walidacja modeli regresyjnych CI

  5. Metodyyka sieci przekonań

    Bayeswoskie podejście do

  6. Przygotowanie danych, walidacja i wybór modeli

    Metody preprocesingu i postprocesingu, walidacja modeli i wybór optymalnych według kryteriów statystycznych

  7. Wiele modeli oraz metody GMDH

    Konstrukcja zespołów klasyfikatorów i modeli regresji. Sposoby GMDH

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 55 h
Module ECTS credits 2 ECTS
Contact hours 15 h
Preparation for classes 15 h
Preparation of a report, presentation, written work, etc. 10 h
Participation in seminar classes 15 h
Additional information
Method of calculating the final grade:

Ocena końcowa=Ocene prezentacji seminaryjnej*0.4 + Ocena wyjaśnien i odpowiedzi na pytania uczestników seomanrium*0.4 + Aktywnośc na zajęciach * 0.2

Prerequisites and additional requirements:

Prerequisites and additional requirements not specified

Recommended literature and teaching resources:

Bishop: Neural networks & pattern rcognition
Bishop:Machine learning
Tadeusiwicz: Sztuczne sieci neuronowe

System SNNS (Portal U. Tuebingen)
System MATLAB

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

None