Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Zaawansowane Systemy sztucznej Inteligencji
Tok studiów:
2019/2020
Kod:
ZSDA-3-0125-s
Wydział:
Szkoła Doktorska AGH
Poziom studiów:
Studia III stopnia
Specjalność:
-
Kierunek:
Szkoła Doktorska AGH
Semestr:
0
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma studiów:
Stacjonarne
Strona www:
 
Prowadzący moduł:
dr hab. Bielecki Andrzej (bielecki@agh.edu.pl)
Dyscypliny:
Moduł multidyscyplinarny
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

The module covers selected issues of advanced artificial intelligence systems. The topics of advanced neural systems, advanced fuzzy inference systems and expert systems are discussed. Hybrid AI systems are considered as well. Applications in technology, industry, medicine and economics are discussed.

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 The student knows the current trends in artificial intelligence systems, both theoretical foundations and applications. SDA3A_W01 Aktywność na zajęciach
M_W002 The student knows the current methodology of scientific research of AI systems. SDA3A_W02 Aktywność na zajęciach
Umiejętności: potrafi
M_U001 The student is able to assess whether a given problem can be solved with the help of AI. SDA3A_U01 Aktywność na zajęciach
M_U002 The student is able to discuss the problems related to AI. SDA3A_U02 Aktywność na zajęciach
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
15 5 0 0 0 0 10 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 The student knows the current trends in artificial intelligence systems, both theoretical foundations and applications. + - - - - - - - - - -
M_W002 The student knows the current methodology of scientific research of AI systems. + - - - - - - - - - -
Umiejętności
M_U001 The student is able to assess whether a given problem can be solved with the help of AI. - - - - - + - - - - -
M_U002 The student is able to discuss the problems related to AI. - - - - - + - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 20 godz
Punkty ECTS za moduł 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 15 godz
Przygotowanie do zajęć 1 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 2 godz
Samodzielne studiowanie tematyki zajęć 2 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (5h):
-
Zajęcia seminaryjne (10h):
-
Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Lectures.
  • Zajęcia seminaryjne: Discussions and presentations.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Class attendance, participation in discussions, preparing presentations.

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Nie
    – Zasady udziału w zajęciach: Attendance at lectures.
  • Zajęcia seminaryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Participation in discussions and presentations.
Sposób obliczania oceny końcowej:

Attendance at all classes is the basis for obtaining a satisfactory grade. If, moreover, the student actively participated in the discussions, he gets a good grade. If, in addition, the student has prepared a presentation, he receives a very good grade.

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

Individual consultations.

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Nie podano wymagań wstępnych lub dodatkowych.

Zalecana literatura i pomoce naukowe:

Recommended literature – scientific articles – will be provided by the lecturer at the beginning of the semester in order to take into account the most recent scientific results. The basic knowledge can be found in:
Flasiński M. (2017),
Introduction to Artificial Intelligence,
Springer.
(Polish edition of the handbook:
Flasiński M. (2011),
Wstęp do sztucznej inteligencji,
PWN,)

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. Brodowski S., Bielecki A., Filocha M. (2017),
A hybrid system for forecasting 24-hour power load profile for Polish electric grid,
Applied Soft Computing, vol.58, 527-539.

2. Bielecki A., Wójcik M. (2017),
Hybrid system of ART and RBF neural networks for online clustering.
Applied Soft Computing, vol.58, 1-10.

3. Bielecki A., Śmigielski P. (2017)
Graph representation for two-dimensional scene understanding by the cognitive vision module,
International Journal of Advanced Robotic Systems, vol.14(1), 1-14.

4. Bielecki A., Buratowski T., Śmigielski P. (2013),
Recognition of two-dimensional representation of urban environment for autonomous flying agents,
Expert Systems with Applications, vol.40, 3623-3633.

5. Bielecki A., Korkosz M., Zieliński B. (2008),
Hand radiographs preprocessing, image representation in the finger regions and joint space width
measurements for image interpretation,
Pattern Recognition, vol.41, 3786-3798.

6. Bielecki A., Podolak I.T., Wosiek J., Majkut E. (1996),
Phonematic translation of Polish texts by the neural network,
Acta Physica Polonica, Series B., vol.27, 2253-2264.

Informacje dodatkowe:

Brak