Module also offered within study programmes:
General information:
Name:
MATLAB and
Course of study:
2017/2018
Code:
JFM-1-305-s
Faculty of:
Physics and Applied Computer Science
Study level:
First-cycle studies
Specialty:
-
Field of study:
Medical Physics
Semester:
3
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
dr inż. Łukasik Szymon (slukasik@agh.edu.pl)
Academic teachers:
dr inż. Łukasik Szymon (slukasik@agh.edu.pl)
Module summary

Celem zajęć jest zapoznanie studentów z pakietem obliczeniowym MATLAB – jego możliwościami, funkcjami i zastosowaniami w problemach nauki i techniki.

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 Student potrafi w sposób odpowiedzialny planować i realizować prace w zespole wymagające działań o charakterze twórczym FM1A_K07, FM1A_K02, FM1A_K02, FM1A_K06 Project
Skills
M_U001 Student umie użyć funkcji i metod Matlaba dla celów rozwiązywania problemów technicznych/biomedycznych FM1A_U18 Completion of laboratory classes,
Project
M_U002 Student potrafi - korzystając z ogólnodostępnych źródeł - wybrać odpowiednie narzędzie analizy danych (z dostępnych w pakiecie Matlab) oraz podsumować wyniki swojej pracy w czytelnej i zwięzłej formie FM1A_U18, FM1A_U01, FM1A_U01 Execution of laboratory classes,
Project
Knowledge
M_W001 Student zna zasady tworzenia kodu w MATLABie, struktury danych, a także funkcje i metody związane z tworzeniem interfejsu użytkownika oraz pozyskiwaniem danych z zewnętrznych źródeł FM1A_W05, FM1A_W05 Completion of laboratory classes,
Execution of laboratory classes,
Project
M_W002 Student zna dostępne w pakiecie Matlab narzędzia pozwalające na analizę danych doświadczalnych i przedstawienie uzyskanych wyników w przystępnej postaci FM1A_W01, FM1A_W01 Completion of laboratory classes,
Execution of laboratory classes,
Project
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 Student potrafi w sposób odpowiedzialny planować i realizować prace w zespole wymagające działań o charakterze twórczym - - - + - - - - - - -
Skills
M_U001 Student umie użyć funkcji i metod Matlaba dla celów rozwiązywania problemów technicznych/biomedycznych - - + + - - - - - - -
M_U002 Student potrafi - korzystając z ogólnodostępnych źródeł - wybrać odpowiednie narzędzie analizy danych (z dostępnych w pakiecie Matlab) oraz podsumować wyniki swojej pracy w czytelnej i zwięzłej formie - - + + - - - - - - -
Knowledge
M_W001 Student zna zasady tworzenia kodu w MATLABie, struktury danych, a także funkcje i metody związane z tworzeniem interfejsu użytkownika oraz pozyskiwaniem danych z zewnętrznych źródeł + - - - - - - - - - -
M_W002 Student zna dostępne w pakiecie Matlab narzędzia pozwalające na analizę danych doświadczalnych i przedstawienie uzyskanych wyników w przystępnej postaci + - - - - - - - - - -
Module content
Lectures:

  1. Interfejs użytkownika pakietu MATLAB. Wstęp do metod tworzenia i wykonywania kodu.
  2. Struktury danych i podstawowe operacje.
  3. Wizualizacja danych – wykresy i animacje.
  4. MATLAB jako język programowania.
  5. Pozyskiwanie danych z zewnętrznych źródeł (urządzenia zewnętrzne, bazy danych itp.).
  6. Tworzenie graficznego interfejsu użytkownika.
  7. MATLAB w zastosowaniach inżynierskich – modelowanie układów dynamicznych, analiza danych, przetwarzanie obrazów.

Laboratory classes:

Ćwiczenia laboratoryjne ilustrujące treść wykładu i pozwalające na opanowanie umiejętności związanych z obsługą i praktycznym wykorzystaniem pakietu Matlab.

Project classes:

Projekt ilustrujący treść wykładu i pozwalający na opanowanie umiejętności związanych z obsługą i praktycznym wykorzystaniem pakietu Matlab. Projekt realizowany jest w formie zespołowej.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 109 h
Module ECTS credits 4 ECTS
Participation in lectures 15 h
Participation in laboratory classes 15 h
Participation in project classes 15 h
Realization of independently performed tasks 28 h
Contact hours 14 h
Completion of a project 22 h
Additional information
Method of calculating the final grade:

Średnia ważona ocen aktywności w trakcie laboratorium (waga 1/3) oraz projektu obejmującego samodzielne rozwiązanie wybranego problemu inżynierskiego z użyciem omawianego środowiska obliczeniowego (waga 2/3).

Prerequisites and additional requirements:

Prerequisites and additional requirements not specified

Recommended literature and teaching resources:

Pratap Rudra, “MATLAB 7 dla naukowców i inżynierów”, Wydawnictwo Naukowe PWN, 2010.
Bogumiła Mrozek, Zbigniew Mrozek, “MATLAB i Simulink. Poradnik użytkownika. Wydanie III”, Wydawnictwo Helion, 2010.
Stormy Attaway, “Matlab, Third Edition: A Practical Introduction to Programming and Problem Solving”, Butterworth-Heinemann, 2013.
Strona internetowa http://www.mathworks.com/ (w szczególności sekcja Code Exchange).

Scientific publications of module course instructors related to the topic of the module:
  1. S. Łukasik, P. Kowalski, “Study of Flower Pollination Algorithm for Continuous Optimization”, Intelligent Systems’ 2014, P.Angelov et al. (eds.), Springer, pp. 451-459, 2015.
  2. P.A. Kowalski, S. Łukasik, “Experimental Study of Selected Parameters of the Krill Herd Algorithm", Intelligent Systems’ 2014, P.Angelov et al.(eds.), Springer, pp.473-485, 2015.
  3. S. Łukasik, P. Kulczycki, “Using Topology Preservation Measures for Multidimensional Intelligent Data Analysis in the Reduced Feature Space”, Lecture Notes in Artificial Intelligence, vol. 7895, pp. 184-193, 2013.
  4. D. Falkiewicz (Gołuńska), S. Łukasik, “Modelowanie rozmyte z zastosowaniem algorytmu optymalizacji rojem cząstek”, Czasopismo Techniczne Politechniki Krakowskiej, seria: Automatyka, vol. 1-AC, pp. 41-54, 2012.
  5. S. Łukasik, S. Żak, “Firefly Algorithm for Continuous Constrained Optimization Tasks, Lecture Notes in Artificial Intelligence”, vol. 5796, pp. 97-106, 2009.
  6. P.A. Kowalski, S. Łukasik, M. Charytanowicz, P. Kulczycki, “Data-Driven Fuzzy Modeling and Control with Kernel Density Based Clustering Technique”, Polish Journal of Environmental Studies, vol. 17, no 4C, pp. 83-87, 2008.
Additional information:

Dopuszczalna jest jedna nieobecność na zajęciach laboratoryjnych i projektowych. Zajęcia można odrobić – w miarę dostępności miejsc – w innej grupie projektowej/laboratoryjnej. Student zobligowany jest w najkrótszym możliwym terminie zgłosić się do prowadzącego zajęcia w celu ustalenia terminu odrobienia zajęć

W przypadku niemożliwości odrobienia zajęć lub większej liczby nieobecności istnieje możliwość uzupełnienia nieobecności w formie indywidualnego zadania domowego.

Student który bez usprawiedliwienia opuścił więcej niż 50% zajęć i jego cząstkowe wyniki w nauce były negatywne może zostać pozbawiony przez prowadzącego zajęcia możliwości wyrównania zaległości. Od takiej decyzji prowadzącego zajęcia student może się odwołać do prowadzącego przedmiot i/lub Dziekana.