Module also offered within study programmes:
General information:
Name:
Inteligentne systemy wspomagania decyzji
Course of study:
2015/2016
Code:
BOS-2-203-MI-s
Faculty of:
Geology, Geophysics and Environmental Protection
Study level:
Second-cycle studies
Specialty:
Informatics for Environmental Protection
Field of study:
Environmental Protection
Semester:
2
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
dr Bielecka Marzena (bielecka@agh.edu.pl)
Academic teachers:
dr Bielecka Marzena (bielecka@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)
Skills
M_U001 Student potrafi wykorzystać podstawowe struktury systemów sztucznej inteligencji w procesie podejmowania decyzji. OS2A_U08 Execution of exercises,
Completion of laboratory classes,
Execution of laboratory classes,
Test
M_U003 Student potrafi zaproponować rozwiązanie dla problemu predykcyjnego, diagnostycznego i optymalizacyjnego. OS2A_U07 Execution of a project,
Execution of laboratory classes,
Completion of laboratory classes
Knowledge
M_W001 Student zna podstawowe struktury systemów sztucznej inteligencji (sieci neuronowe, systemy ekspertowe i systemy rozmyte) OS2A_W09 Examination
M_W002 Student zna wybrane techniki konstrukcji systemów sztucznej inteligencji. OS2A_W10 Examination,
Completion of laboratory classes
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
Skills
M_U001 Student potrafi wykorzystać podstawowe struktury systemów sztucznej inteligencji w procesie podejmowania decyzji. - - + - - - - - - - -
M_U003 Student potrafi zaproponować rozwiązanie dla problemu predykcyjnego, diagnostycznego i optymalizacyjnego. - - + - - - - - - - -
Knowledge
M_W001 Student zna podstawowe struktury systemów sztucznej inteligencji (sieci neuronowe, systemy ekspertowe i systemy rozmyte) + - - - - - - - - - -
M_W002 Student zna wybrane techniki konstrukcji systemów sztucznej inteligencji. + - - - - - - - - - -
Module content
Lectures:

1. Wstęp
a) Cechy funkcjonalne systemów sztucznej inteligencji.
b) Typy zadań rozwiązywanych przez systemy sztucznej inteligencji.
c) Taksonomia systemów sztucznej inteligencji.
d) Obszary zastosowań.
2. Sztuczne sieci neuronowe.
a) Model neuronu.
b) Perceptron – struktura, algorytm nauki, przykłady zastosowań.
c) Sieć Hopfielda – struktura, algorytm nauki, przykłady zastosowań.
d) Sieć Kohonena – struktura, algorytm nauki, przykłady zastosowań.
e) Sieć Hamminga – struktura, algorytm nauki, przykłady zastosowań.
3. Systemy ekspertowe.
a) Systemy regułowe.
b) Sieci semantyczne.
c) Systemy ramowe.
d) Modele obliczeniowe.
4. Algorytmy genetyczne.
5. Systemy wnioskowania rozmytego.

Laboratory classes:

Ćwiczenia laboratoryjne będą realizowane w Matlabie.
1. Zastosowanie sieci neuronowych do predykcji:
a) stopnia zanieczyszczenia powietrza w ośrodkach miejskich
b) poziomu wody w zbiorniku retencyjnym
2. Wykorzystanie systemów ekspertowych i wnioskowania rozmytego do :
a) wspomagania decyzji dotyczących rekultywacji terenów pokopalnianych
b) analizy czynników zagrażających ekosystemowi
c) problemów modelowania nisz ekologicznych

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 76 h
Module ECTS credits 3 ECTS
Participation in lectures 28 h
Participation in laboratory classes 28 h
Realization of independently performed tasks 10 h
Preparation for classes 10 h
Additional information
Method of calculating the final grade:

ocena końcowa=50% oceny z egzaminu + 50% oceny z projektów realizowanych w laboratorjum

Prerequisites and additional requirements:

podstawowa wiedza z matematyki; umiejętność programowania

Recommended literature and teaching resources:

Rutkowski L. Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa, Wydawnictwo Naukowe PWN, Warszawa 2006.
Flasiński M. Wstęp do sztucznej inteligencji, PWN, Warszawa, 2011
Rutkowska D. Inteligentne systemy obliczeniowe, Akademicka Oficyna Wydawnicza PLJ, Warszawa 1997

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

Additional scientific publications not specified

Additional information:

None