Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Sztuczna inteligencja i systemy ekspertowe
Tok studiów:
2016/2017
Kod:
MEI-1-507-s
Wydział:
Inżynierii Metali i Informatyki Przemysłowej
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Edukacja Techniczno – Informatyczna
Semestr:
5
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
prof. dr hab. inż. Kusiak Jan (kusiak@agh.edu.pl)
Osoby prowadzące:
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Posiada podstawy teorii i metod sztucznej inteligencji i praktyczną umiejętność ich zastosowania w rozwiązywaniu problemów inżynierskich EI1A_W08, EI1A_W06 Aktywność na zajęciach,
Kolokwium
M_W002 Posiada podstawową wiedzę o wybranych narzędziach sztucznej inteligencji EI1A_W07 Kolokwium
Umiejętności
M_U001 posiada podstawowe umiejętności modelowania procesów z wykorzystaniem narzędzi sztucznej inteligencji EI1A_U03, EI1A_U08 Prezentacja
M_U002 potrafi wykorzystać dostępne pakiety metod sztucznej inteligencji do rozwiązywania zadań inżynierskich EI1A_U08 Prezentacja
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 Posiada podstawy teorii i metod sztucznej inteligencji i praktyczną umiejętność ich zastosowania w rozwiązywaniu problemów inżynierskich + - - - - - - - - - -
M_W002 Posiada podstawową wiedzę o wybranych narzędziach sztucznej inteligencji + - - - - - - - - - -
Umiejętności
M_U001 posiada podstawowe umiejętności modelowania procesów z wykorzystaniem narzędzi sztucznej inteligencji - - - - - + - - - - -
M_U002 potrafi wykorzystać dostępne pakiety metod sztucznej inteligencji do rozwiązywania zadań inżynierskich - - - - - + - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:
Zagadnienia omawiane na wykładach:

  • Pojęcia podstawowe z zakresu sztucznej inteligencji
    Omówienie podstawowych pojęć z zakresu sztucznej inteligencji: informacja, przetwarzanie informacji, bazy wiedzy, itp.
  • Sztuczne sieci neuronowe
    Omówienie budowy sztucznego neuronu, sieci MLP, sieci ze sprzężeniem zwrotnym. Omówienie działania i uczenia. Algorytmy uczenia neuronu. Algorytmy nadzorowanego uczenia sztucznej sieci neuronowej. Algorytm nienadzorowanego uczenia sztucznej sieci neuronowej. Zastosowanie sztucznych sieci neuronowych w metamodelach. Przykłady zastosowań sztucznych sieci neuronowych w metalurgii.
  • Systemy ekspertowe
    Metody reprezentacji wiedzy. Systemy ekspertowe i ich budowa. Zasady wnioskowania w systemach ekspertowych. Przykłady zastosowań systemów ekspertowych w metalurgii.

Zajęcia seminaryjne:

Zapoznanie się z dostępnymi pakietami sztucznej inteligencji. Wykorzystanie narzędzi inteligencji w zagadniniach inżynierskich.
Studenci rozwiązują indywidualne lub w zespołach zadania z zakresu inżynierii metali i prezentują wyniki. Przykładowe tematy:

  • Sieci neuronowe: modelowanie wybranego procesu w oparciu o dostępne dane pomiarowe.
  • Opracowan systemów ekspertowych dla wybranych zagadnień w zakresie metalurgii (wykorzystanie PCShell, programowanie w CLIPS)

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 55 godz
Punkty ECTS za moduł 2 ECTS
Udział w wykładach 14 godz
Udział w zajęciach seminaryjnych 14 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Samodzielne studiowanie tematyki zajęć 15 godz
Przygotowanie do zajęć 10 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Ocena końcowa jest ocena z ćwiczeń seminaryjnych

Wymagania wstępne i dodatkowe:

Zgodnie z Regulaminem Studiów AGH podstawowym terminem uzyskania zaliczenia jest ostatni dzień zajęć w danym semestrze. Termin zaliczenia poprawkowego (tryb i warunki ustala prowadzący moduł na zajęciach początkowych) nie może być późniejszy niż ostatni termin egzaminu w sesji poprawkowej (dla przedmiotów kończących się egzaminem) lub ostatni dzień trwania semestru (dla przedmiotów niekończących się egzaminem).

Zalecana literatura i pomoce naukowe:

• J. J. Mulawaka, Systemy ekspertowe, WNT, Warszawa 1996
• L. Rutkowski, Metody i techniki sztucznej inteligencji. PWN, Warszawa, 2005
• R. Tadeusiewicz, Sieci neuronowe, Akademicka Oficyna Wydawnicza, Warszawa 1993
• J. Żurada, M. Barski, W. Jędruch, Sztuczne sieci neuronowe, Wydawnictwo Naukowe PWN, Warszawa 1996

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

http://www.bpp.agh.edu.pl/

Regulski K., Rojek G., Szeliga D., Kusiak J., Optymalizacja technologii walcowania blach na gorąco z wykorzystaniem metod eksploracji danych. Optimization of strip hot rolling technology using data mining methods. Hutnik – Wiadomości Hutnicze, 4, 82, 2015, 248-255.
Regulski K., Szeliga D., Kusiak J., Application of regression trees in optimization of metal forming processes. Key Engineering Materials, v. 622-623, 2014, 749-755.
Regulski K., Rojek G., Kusiak J., Process of ontology construction of rolling metal sheets industrial process. Key Engineering Materials, v. 622-623, 2014, 978-983.
K. Regulski, G. Rojek, M. Skóra, J. Kusiak, Data exploration approach in control of metal forming manufacturing chain : example of fasteners production. Steel Research International, special volume, 2012.
G. Rojek, J. Kusiak, System optymalizacji procesu produkcyjnego z zastosowaniem agentowego systemu przetwarzania informacji. Hutnik Wiadomości Hutnicze, 79, 1, 2012, 71–74.
G. Rojek, Ł. Sztangret, J. Kusiak, Agent-based information processing in a domain of the industrial process optimization, Computer Methods in Materials Science, 11, 2, 2011, 297–302.
Talar J., Jarosz P., Kusiak J., Expert system application in modelling and controlling the copper flash smelting process. Computer Methods in Materials Science, 9 (2009) 379-391.
Jarosz P., Talar J., Kusiak J., Association rules as an example of data mining in the analysis of copper flash smelting process – the metallurgist’s point of view. Computer Methods in Materials Science, 9 (2009) 392 – 399.
Kusiak J., Kuziak R., Modelling of microstructure and mechanical properties of steel using the artificial neural network. Journal of Materials Processing Technology, 127 (2002) 115–121.
S.M. Roberts, J. Kusiak, Y.L. Liu, A. Forcellese, P.J. Withers, Prediction of damage evolution in forged aluminium metal matrix composites using a neural network approach, J. Materials Processing and Technology, 80-81 (1998) 507-512.
Talar J., Kusiak J., An expert system for selection of material and production technology in cold-rolling mill. Proc. Conf. AIMech2001 (Methods of Artificial Intelligence in Mechanics and Mechanical Engineering), eds. Burczyński T., Cholewa W., Gliwice, 2001, 275-278.

Informacje dodatkowe:

Brak