Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Zaawansowane metody obliczeniowe w Matlabie
Tok studiów:
2018/2019
Kod:
BGF-1-412-s
Wydział:
Geologii, Geofizyki i Ochrony Środowiska
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Geofizyka
Semestr:
4
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
dr inż. Karczewski Jerzy (karcz@agh.edu.pl)
Osoby prowadzące:
dr inż. Karczewski Jerzy (karcz@agh.edu.pl)
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 Zna i rozumie metody matematyczne opisu sieci neuronowych, logiki rozmytej, systemów ekspertowych, algorytmów genetycznych i nieparametrycznych metod statystycznych GF1A_W10 Kolokwium
M_W002 Zna narzędzia informatyczne i aplikacje sieci neuronowych, systemów ekspertowych, algorytmów genetycznych i nieparametrycznych metod statystycznych GF1A_W11 Wykonanie ćwiczeń laboratoryjnych
Umiejętności
M_U001 Posiada umiejętność zastosowania technik badawczych z zakresu metod omawianych na wykładach GF1A_U06 Wykonanie ćwiczeń laboratoryjnych
M_U002 Uzupełnia wiedzę, potrafi pozyskiwać informacje z literatury oraz źródeł elektronicznych wyciągać wnioski i formułować opinie GF1A_U03 Kolokwium
Kompetencje społeczne
M_K001 Ma świadomość odpowiedzialności za wspólnie realizowane zadania, związane z pracą zespołową GF1A_K02 Projekt
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 Zna i rozumie metody matematyczne opisu sieci neuronowych, logiki rozmytej, systemów ekspertowych, algorytmów genetycznych i nieparametrycznych metod statystycznych - - + - - - - - - - -
M_W002 Zna narzędzia informatyczne i aplikacje sieci neuronowych, systemów ekspertowych, algorytmów genetycznych i nieparametrycznych metod statystycznych - - + - - - - - - - -
Umiejętności
M_U001 Posiada umiejętność zastosowania technik badawczych z zakresu metod omawianych na wykładach - - + - - - - - - - -
M_U002 Uzupełnia wiedzę, potrafi pozyskiwać informacje z literatury oraz źródeł elektronicznych wyciągać wnioski i formułować opinie - - + - - - - - - - -
Kompetencje społeczne
M_K001 Ma świadomość odpowiedzialności za wspólnie realizowane zadania, związane z pracą zespołową - - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Ćwiczenia laboratoryjne:

Sieci neuronowe.
Logika rozmyta.
Systemy ekspertowe.
Nieparametryczne metody statystyczne.
Algorytmy genetyczne
Programowanie i wykorzystanie sieci neuronowych,
Implementacja logiki rozmytej w programach komputerowych,
Wykorzystanie dostępnych implementacji systemów ekspertowych
Testowanie algorytmów doboru parametrów nieparametrycznych modeli statystycznych jedno i wielowymiarowych,
Konstruowanie i wykorzystanie algorytmów genetycznych

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 60 godz
Punkty ECTS za moduł 2 ECTS
Udział w ćwiczeniach laboratoryjnych 30 godz
Egzamin lub kolokwium zaliczeniowe 5 godz
Samodzielne studiowanie tematyki zajęć 10 godz
Wykonanie projektu 10 godz
Dodatkowe godziny kontaktowe z nauczycielem 5 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Ocena z kolokwium, zaliczenie z wykonanych ćwiczeń.

Wymagania wstępne i dodatkowe:

Nie podano wymagań wstępnych lub dodatkowych.

Zalecana literatura i pomoce naukowe:

Nie podano zalecanej literatury lub pomocy naukowych.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak