Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Inteligencja obliczeniowa
Tok studiów:
2019/2020
Kod:
ZIIE-1-505-n
Wydział:
Zarządzania
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Informatyka i Ekonometria
Semestr:
5
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Niestacjonarne
Prowadzący moduł:
Stawowy Adam (astawowy@zarz.agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Podstawowym celem zajęć jest zapoznanie studentów z podstawowymi metodami inteligencji obliczeniowej oraz pokazanie obszarów ich zastosowań w rozwiązywaniu problemów zarządzania i ekonomii

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 zna standardowe metody inteligencji obliczeniowej IIE1A_W07, IIE1A_W04 Projekt,
Egzamin
Umiejętności: potrafi
M_U001 potrafi posługiwać się systemem komputerowym do realizacji problemów optymalizacji IIE1A_U03, IIE1A_U05 Aktywność na zajęciach,
Kolokwium,
Sprawozdanie
M_U002 umie rozwiązywać problemy prognostyczne i klasyfikacyjne przy użyciu sieci neuronowych IIE1A_U05 Sprawozdanie
Kompetencje społeczne: jest gotów do
M_K001 potrafi pracować w grupie przy realizacji projektów IIE1A_K02 Wykonanie projektu
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 zna standardowe metody inteligencji obliczeniowej + - - - - - - - - - -
Umiejętności
M_U001 potrafi posługiwać się systemem komputerowym do realizacji problemów optymalizacji - - - + - - - - - - -
M_U002 umie rozwiązywać problemy prognostyczne i klasyfikacyjne przy użyciu sieci neuronowych - - - + - - - - - - -
Kompetencje społeczne
M_K001 potrafi pracować w grupie przy realizacji projektów - - - + - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 75 godz
Punkty ECTS za moduł 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 16 godz
Przygotowanie do zajęć 15 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 25 godz
Samodzielne studiowanie tematyki zajęć 17 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (8h):

  1. Wprowadzenie do inteligencji obliczeniowej.
  2. Proste metaheurystyki inspirowane naturą.
  3. Algorytmy genetyczne.
  4. Sztuczne sieci neuronowe typu MLP.
  5. Zastosowania inteligencji obliczeniowej.

Ćwiczenia projektowe (8h):

Ćwiczenia projektowe:

  1. Opracowanie programów komputerowych realizujących proste metaheurystyki.
  2. Opracowanie podstawowego programu komputerowego dla realizacji zadania optymalizacji z wykorzystaniem algorytmu genetycznego.
  3. Modyfikacje opracowanego programu zapewniające wybrane metody selekcji, krzyżowania i mutacji.
  4. Opracowanie sieci MLP dla problemów prognostycznych i klasyfikacyjnych.

Projekty poza ćwiczeniami:

  1. Grupowy projekt – algorytm ewolucyjny dla wybranego problemu optymalizacji kombinatorycznej .

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:

Ocena z ćwiczeń projektowych wystawiana jest jako średnia ocen uzyskanych ze sprawozdań, kolokwium oraz oceny z projektu.
Zaliczenie poprawkowe polega na ponownym zdawaniu kolokwium w trakcie godzin kontaktowych (maksymalnie dwie próby). Niezaliczony projekt musi być uzupełniony w terminie ustalonym przez władze Uczelni dla danego semestru.

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 jako średnia arytmetyczna oceny z egzaminu oraz oceny z ćwiczeń projektowych.

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

Usprawiedliwiona nieobecność na zajęciach nie zwalnia z konieczności zaliczenia kolokwium i wykonania projektu.

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Zaliczenie przedmiotów: Programowanie komputerów, Programowanie obiektowe i Ekonometria.

Zalecana literatura i pomoce naukowe:
  1. Goldberg D. E.: Algorytmy genetyczne i ich zastosowanie. WNT, Warszawa 1995.
  2. Michalewicz Z.: Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT, Warszawa 1996.
  3. Osyczka A.: Evolutionary Algorithms for Single and Multicriteria Design Optimization, Springer – Verlag Physica, Berlin Heilderberg 2002.
  4. Reeves C.R.: Modern heuristic techniques for combinatorial problems, McGraw-Hill Book Company, Berkshire 1995.
Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:
  1. Stawowy A.: Evolutionary algorithm for manufacturing cell design, Omega, Int. J. Management Science, 34, 2006, str. 1-18.
  2. Stawowy A.: Evolutionary based heuristic for bin packing problem, Computers and Industrial Engineering, 55(2), September 2008, str. 465-474.
  3. Duda J., Stawowy A.: Genetic programming for the prediction of tensile strength of cast iron, Archives of Foundry Engineering, 11(4), 2011, str. 27-32.
  4. Stawowy A., Duda J.: Production scheduling for the furnace-casting line system, Archives of Foundry Engineering, 13(3), 2013, str. 84-87.
Informacje dodatkowe:

Brak