Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Elementy sztucznej inteligencji
Tok studiów:
2019/2020
Kod:
ZIIE-1-403-n
Wydział:
Zarządzania
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Informatyka i Ekonometria
Semestr:
4
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Niestacjonarne
Prowadzący moduł:
dr inż. Macioł Andrzej (amaciol@zarz.agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Celem modułu jest przygotowanie studentów do realizacji zadań związanych z projektowaniem i realizacją systemów AI w zarządzaniu.

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 języki logiki stosowane w sztucznej inteligencji IIE1A_W06, IIE1A_W05 Kolokwium
M_W002 koncepcje sztucznej inteligencji IIE1A_W04 Kolokwium
Umiejętności: potrafi
M_U001 posługiwać się szkieletowymi systemami regułowymi IIE1A_U04, IIE1A_U05 Aktywność na zajęciach
M_U002 projektować systemy regułowe IIE1A_U04, IIE1A_U05 Projekt
Kompetencje społeczne: jest gotów do
M_K001 pracować w zespole; potrafi rozwiązywać problemy związane z realizacją projektu oraz prezentować wyniki zespołu IIE1A_K02 Projekt
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
16 8 0 0 8 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 języki logiki stosowane w sztucznej inteligencji + - - - - - - - - - -
M_W002 koncepcje sztucznej inteligencji + - - - - - - - - - -
Umiejętności
M_U001 posługiwać się szkieletowymi systemami regułowymi - - - + - - - - - - -
M_U002 projektować systemy regułowe - - - + - - - - - - -
Kompetencje społeczne
M_K001 pracować w zespole; potrafi rozwiązywać problemy związane z realizacją projektu oraz prezentować wyniki zespołu - - - + - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 50 godz
Punkty ECTS za moduł 2 ECTS
Udział w zajęciach dydaktycznych/praktyka 16 godz
Przygotowanie do zajęć 14 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 10 godz
Samodzielne studiowanie tematyki zajęć 10 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (8h):

1. Znaczenie inteligencji, inteligencja naturalna i sztuczna, zakres badań nad sztuczną inteligencją.
2. Wnioskowanie – sformułowanie zadania.
3. Składnia i semantyka języka logiki.
4. Budowa systemu automatycznego wnioskowania.
5. Metody pozyskiwania wiedzy i uczenie maszynowe.
6. Systemy ekspertowe i systemy zarządzania regułami biznesowymi (BRM).

Ćwiczenia projektowe (8h):

1. Obsługa szkieletowego systemu ekspertowego.
2. Projektowanie i wykorzystanie prostych systemów wnioskujących.
3. Modelowanie wiedzy różnymi metodami reprezentacji.
4. Kolokwium z metod reprezentacji wiedzy.
5. Zaprojektowanie i oprogramowanie silnika wnioskującego.
6. Testowanie oprogramowania.

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 projektowe: Studenci wykonują zadany projekt samodzielnie, bez większej ingerencji prowadzącego. Ma to wykształcić poczucie odpowiedzialności za pracę w grupie oraz odpowiedzialności za podejmowane decyzje.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Zaliczenie z ćwiczeń projektowych uzyskiwane jest na podstawie zaliczenia kolokwium oraz wykonania projektu. W przypadku nieuzyskania zaliczenia w wymaganym terminie, każdemu studentowi przysługuje jeden termin zaliczenia poprawkowego na zasadach ustalonych z prowadzącym.

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 projektowe:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci wykonują prace praktyczne mające na celu uzyskanie kompetencji zakładanych przez syllabus. Ocenie podlega sposób wykonania projektu oraz efekt końcowy.
Sposób obliczania oceny końcowej:

Ocena końcowa wystawiana jest przez prowadzącego wykład na podstawie oceny z ćwiczeń projektowych. Ocena z laboratoriów wystawiana jest jako średnia ocen uzyskanych z 2 kolokwiów oraz oceny z projektu.
Zaliczenie poprawkowe w przypadku negatywnej oceny kolokwium polega na ponownym zdawaniu w trakcie godzin kontaktowych (maksymalnie dwie próby). Niezaliczony projekt musi być uzupełniony w terminie ustalonym przez władze Uczelni dla danego semestru.
Usprawiedliwiona nieobecność na zajęciach nie zwalnia z konieczności zaliczenia kolokwiów i wykonania projektu.

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

W przypadku nieobecności na zajęciach decyzja o możliwości i formie uzupełnienia zaległości należy do prowadzącego zajęcia, z zastrzeżeniem zapisów wynikających z Regulaminu Studiów.

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Wymagana znajomość podstaw programowania strukturalnego i obiektowego oraz baz danych.

Zalecana literatura i pomoce naukowe:

Literatura
1. Cichosz P., Systemy uczące się. Wydawnictwa Naukowo-Techniczne, Warszawa 2000.
2. Jagielski J. Inżynieria wiedzy. Oficyna Wydawnicza Uniwersytetu Zielonogórskiego, 2005.
3. Kasperski M. J., Sztuczna Inteligencja. Helion 2003
4. Knosala R., Zastosowania metod sztucznej inteligencji w inżynierii produkcji, Wydawnictwa Naukowo-Techniczne, Warszawa 2002.
5. Mulawka J., Systemy ekspertowe. WNT Warszawa 1996.2000 (seria: Klasyka Informatyki).
6. Tadeusiewicz R., Sieci neuronowe. Akademicka Oficyna Wydawnicza PLJ, Warszawa 1993.
7. Witkowska D., Sztuczne sieci neuronowe i metody statystyczne. Wybrane zagadnienia finansowe. C.H. Beck, Warszawa 2002.
Oprogramowanie
1. System Rebit.
2. Serwer MS SQL
3. Microsoft Visual Studio.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak