Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Group artificial intelligence
Tok studiów:
2019/2020
Kod:
RIME-2-208-WM-s
Wydział:
Inżynierii Mechanicznej i Robotyki
Poziom studiów:
Studia II stopnia
Specjalność:
Wytwarzanie mechatroniczne
Kierunek:
Inżynieria Mechatroniczna
Semestr:
2
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma studiów:
Stacjonarne
Prowadzący moduł:
prof. dr hab. inż. Dobrowolski Grzegorz (grzela@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Opis efektów uczenia się dla modułu zajęć
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Powiązania z KEU Sposób weryfikacji i oceny efektów uczenia się osiągniętych przez studenta w ramach poszczególnych form zajęć i dla całego modułu zajęć
Wiedza: zna i rozumie
M_W001 Students gain knowledge of a class of information systems which is characterized by decentralization stemmed from autonomy of their elements – agents Udział w dyskusji,
Odpowiedź ustna
M_W002 Students acquire a base for designing and implementing the systems under consideration. Udział w dyskusji,
Odpowiedź ustna
Umiejętności: potrafi
M_U001 Students can build a simple-function multi-agent system using one of specialized development environments. Wykonanie ćwiczeń laboratoryjnych
Kompetencje społeczne: jest gotów do
M_K001 From the perspective of multi-agent systems students can deeply understand some relationships among members of a human group. Udział w dyskusji,
Aktywność na zajęciach,
Zaangażowanie w pracę zespołu
Liczba godzin zajęć w ramach poszczególnych form zajęć:
SUMA (godz.)
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
56 28 0 28 0 0 0 0 0 0 0 0
Matryca kierunkowych efektów uczenia się w odniesieniu do form zajęć i sposobu zaliczenia, które pozwalają na ich uzyskanie
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Forma zajęć dydaktycznych
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Wiedza
M_W001 Students gain knowledge of a class of information systems which is characterized by decentralization stemmed from autonomy of their elements – agents + - - - - - - - - - -
M_W002 Students acquire a base for designing and implementing the systems under consideration. + - - - - - - - - - -
Umiejętności
M_U001 Students can build a simple-function multi-agent system using one of specialized development environments. - - + - - - - - - - -
Kompetencje społeczne
M_K001 From the perspective of multi-agent systems students can deeply understand some relationships among members of a human group. + - + - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 150 godz
Punkty ECTS za moduł 6 ECTS
Udział w zajęciach dydaktycznych/praktyka 56 godz
Przygotowanie do zajęć 54 godz
Samodzielne studiowanie tematyki zajęć 40 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (28h):

  1. Introduction to group artificial intelligence: subject, origin, classification of agents and their systems, applications.
  2. Basic notions and definitions: agent, multi-agent system, elementary features of a multi-agent system.
  3. The vicinity and environment of a multi-agent system, its spatial structure, resources.
  4. The agent’s rationality: action selection mechanism, reactive agent, agent with the strategy (cognitive). The system goal (strategy), the notion of system integrity (functional and resource-based).
  5. Communicating agents. Aspects of the communication process: transportation layer, interaction protocol, implementation of a protocol in the system, ontology. The systems of open communication – KQML: syntax and semantics, some protocols; FIPA. Interoperability and ontologies.
  6. Organizing and self-organizing agents: negotiation, auction, appropriate protocols. Information agents as realization of interface with the environment.
  7. Elements of specification of systems of software agents: decomposition as an analytic tool for multi-agent systems, specification of tasks of Level I (system) and II (agent).
  8. Specification of the agent’s kernel– ASM.
  9. Main rules of the agent’s functioning: symbolic inference, algorithmic reaction to environmental influence, the mixed rule.

Ćwiczenia laboratoryjne (28h):

  1. Programming with JADE Platform – Basics
  2. Programming with JADE Platform – Communication, Ontologies
  3. Introduction to programming with JADEX
  4. Introduction to programming with MadKit

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Ćwiczenia laboratoryjne: W trakcie zajęć laboratoryjnych studenci samodzielnie rozwiązują zadany problem praktyczny, dobierając odpowiednie narzędzia. Prowadzący stymuluje grupę do refleksji nad problemem, tak by otrzymane wyniki miały wysoką wartość merytoryczną.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Nie
    – Zasady udziału w zajęciach: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego.
  • Ćwiczenia laboratoryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci wykonują ćwiczenia laboratoryjne zgodnie z materiałami udostępnionymi przez prowadzącego. Student jest zobowiązany do przygotowania się w przedmiocie wykonywanego ćwiczenia, co może zostać zweryfikowane kolokwium w formie ustnej lub pisemnej. Zaliczenie zajęć odbywa się na podstawie zaprezentowania rozwiązania postawionego problemu. Zaliczenie modułu jest możliwe po zaliczeniu wszystkich zajęć laboratoryjnych.
Sposób obliczania oceny końcowej:

The average value is calculated from all grades obtained from lectures and laboratories:
The final grade is calculated as follows:

if sr>4.75 then OK:=5.0 else
if sr>4.25 then OK:=4.5 else
if sr>3.75 then OK:=4.0 else
if sr>3.25 then OK:=3.5 else OK:=3

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Course of Methods of Artificial Intelligence

Zalecana literatura i pomoce naukowe:
  1. Wooldridge M.J.: An Introduction to Multiagent Systems. John Wiley & Sons 2002
  2. Weiss G. (red.): Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence. The MIT Press 1999
  3. F. Bellifemine, G. Caire, D. Greenwood. Developing Multi-Agent Systems with JADE. John Wiley & Sons, 2007
  4. R.H. Bordini, J.F. Hübner, M. Wooldridge. Programming Multi-Agent Systems in Agent-Speak using Jason. John Wiley & Sons, 2007
Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak