Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Biocybernetyka
Tok studiów:
2019/2020
Kod:
ZSDA-3-0228-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

Knowledge of selected biological structures and processes that are or may be the inspiration of algorithms will be the effect of education. Among other things, evolutionary processes, communication in the animal and plant world, and processes in organisms will be discussed. The algorithms based on discussed biological processes and structures as well as their formal and electronic models will be presented. The applications of the discussed algorithms will be considered as well.

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 selected biology issues and is able to create their models. He is also able to develop algorithms inspired by biological phenomena. He can search for biological phenomena that can be the basis for solving IT problems. SDA3A_W02, SDA3A_W01 Aktywność na zajęciach
M_W002 Acquainting with current scientific trends in biocybernetics. SDA3A_W02
M_W003 The student is able to discuss scientific topics related to cybernetics and professionally present research results. SDA3A_W04 Aktywność na zajęciach
Umiejętności: potrafi
M_U001 The student is able to discuss scientific topics and professionally present the results of his research. SDA3A_U02, SDA3A_U01 Aktywność na zajęciach
M_U002 The student is able to discuss current scientific results in biocybernetics. SDA3A_U04, SDA3A_U02 Udział w dyskusji
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 selected biology issues and is able to create their models. He is also able to develop algorithms inspired by biological phenomena. He can search for biological phenomena that can be the basis for solving IT problems. + - - - - - - - - - -
M_W002 Acquainting with current scientific trends in biocybernetics. + - - - - - - - - - -
M_W003 The student is able to discuss scientific topics related to cybernetics and professionally present research results. - - - - - - - - - - -
Umiejętności
M_U001 The student is able to discuss scientific topics and professionally present the results of his research. - - - - - + - - - - -
M_U002 The student is able to discuss current scientific results in biocybernetics. - - - - - + - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 21 godz
Punkty ECTS za moduł 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 15 godz
Przygotowanie do zajęć 2 godz
Samodzielne studiowanie tematyki zajęć 1 godz
Dodatkowe godziny kontaktowe 1 godz
Inne 2 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (5h):

1. Information and signal processing in biological systems.
2. Untypical evolutionary mechanisms.
3. Conditioned reflexes and activity automatization as a basis of AI systems.
4. Molecular automata as the basis of living systems.

Zajęcia seminaryjne (10h):

1. Information and signal processing in biological systems.
2. Untypical evolutionary mechanisms.
3. Conditioned reflexes and activity automatization as a basis of AI systems.
4. Molecular automata as the basis of living systems.

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Lectures.
  • Zajęcia seminaryjne: Discussions and presentations (reports).
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Class attendance, participation in discussions, preparing a presentation.

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Participation in the lectures.
  • Zajęcia seminaryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Participation in discussion and preparing 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. Sample topics below.

1. Rohwer F., Barott K. (2013),
Viral information,
Biology and Philosophy, vol.28, 283-297.

2. Trewavas A.J. (1999),
How plants learn.
Proceedings of the National Academy of Science, vol.96, 4216-4218.

3. Jablonka E., Lamb M.J. (2007),
Precis of evolution in four dimensions,
Behavioral and Brain Sciences, vol.30, 353-392.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. Bielecki A., Gierdziewicz M., Kalita P. (2019),
A study on efficiency of 3D partial differential diffusive model of presynaptic processes,
Biocybernetics and Biomedical Engineering, accepted.

2. Bielecki A. (2015),
A general entity of life – a cybernetic approach,
Biological Cybernetics, vol.109, 401-419.

3. Bielecki A. (2014)
A model of human activity automatization as a basis of artificial intelligence systems,
IEEE Transactions on Autonomous Mental Development, vol.6, 169-182.

4. Bielecki A., Kalita P. (2012),
Dynamical properties of the reaction-diffusion type model of fast synaptic transport,
Journal of Mathematical Analysis and Applications, vol.393, 329-340.

5. Bielecki A., Kalita P., Lewandowski M., Siwek B. (2010),
Numerical simulation for neurotransmitter transport model in axon terminal of presynaptic neuron,
Biological Cybernetics, vol.102, 489-501.

6. Bielecki A., Kalita P., Lewandowski M., Skomorowski M. (2008),
Compartment model of neuropeptide synaptic transport with impulse control,
Biological Cybernetics, vol.99, 443-458.

7. Bielecki A., Kalita P. (2008),
Model of neurotransmitter fast transport in axon terminal of presynaptic neuron,
Journal of Mathematical Biology, vol.56, 559-576.

8. Kokoszka A., Bielecki A., Holas P. (2001),
Mental organization according to metabolism of information and its mathematical description,
International Journal of Neuroscience, vol.107, 173-184.

9. Bielecki A., Kokoszka A., Holas P. (2000),
Dynamic systems theory approach to consciousness,
International Journal of Neuroscience, vol.104, 29-47.

Informacje dodatkowe:

Brak