1DI1505 - Podstawy sztucznej inteligencji

Nazwa w drugim języku: 

Artificial Intelligence Fundamentals

Przedmiot realizowany w planach wzorcowych:

• Informatyka Stosowana Semestr: 5 Etap: Model 2, inżynierskie I-go stopnia, stacjonarne, polski, Wersja programu studiów: 21
• Informatyka Semestr: 5 Etap: Model 2, inżynierskie I-go stopnia, stacjonarne, polski, Wersja programu studiów: 12

Obieralny dla katalogów:

Znalazłem 0 pozycji. (Pokaż szczegóły)

Cel przedmiotu: 

Celem przedmiotu jest wprowadzenie do zagadnień sztucznej inteligencji (algorytmy ewolucyjne, systemy ekspertowe, sieci neuronowe, algorytmy mrówkowe, systemy rojowe, logika rozmyta, teoria gier, sztuczne systemy immunologiczne)

Treści kształcenia: 

1. Wprowadzenie do zagadnień sztucznej inteligencji, 2h. 2. Algorytmy ewolucyjne – wprowadzenie, podstawowe elementy algorytmu ewolucyjnego, metody kodowania oraz specjalizowane operatory genetyczne, przykładowe zastosowania algorytmów ewolucyjnych, 8h
3. Definicja i cechy systemów ekspertowych. Podstawowe elementy, architektura. Formy prezentacji wiedzy. Realizacja i sterowanie procesem wnioskowania. Metodyka tworzenia. Pozyskiwanie wiedzy. Przykładowe zastosowania systemów ekspertowych, 6h. 4. Sztuczne sieci neuronowe – wprowadzenie, podstawowy model sieci neuronowych - perceptron wielowarstwowy, zastosowania praktyczne sieci neuronowych na wybranych przykładach, 6 h. 5. Inne techniki sztucznej inteligencji (algorytmy mrówkowe, systemy rojowe, logika rozmyta, teoria gier, sztuczne systemy immunologiczne) oraz ich zastosowania (informatyka, gry logiczne, gry strategiczne) 8h

Bibliografia: 

1. Helt P., Parol M., Piotrowski P.: ” Metody sztucznej inteligencji. Przykłady zastosowań w elektroenergetyce”, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2012, stron 369, Podręcznik akademicki
2. Baczyński D., Parol. M., Piotrowski P., Bielecki S, Wasilewski J. „Sztuczna inteligencja w praktyce” – laboratorium, Oficyna Wydawnicza Politechniki Warszawskiej, 2008
3. J. Mulawka: Systemy ekspertowe, WNT, Warszawa 1996
4. S. Osowski: Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa 1996
5. S. Osowski .: Sieci neuronowe do przetwarzania informacji. Wyd. 2, OWPW, Warszawa 2006.
6. D.E. Goldberg: Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 1998
7. Z. Michalewicz: Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT 1996
8. Clocksin W. F., Mellish C. S. “Prolog. Programowanie”, Helion 2003

Metody oceny: 

Egzamin, ocena na podstawie sumy punktów maks. 100 pkt. (od 51 pkt. ocena 3,0; od 61 pkt. ocena 3,5; od 71pkt. ocena 4,0; od 81pkt. ocena 4,5; od 91pkt ocena 5,0).

Uwagi: 

Za aktywność na zajęciach (rozwiązywanie problemów, udział aktywny w twórczej dyskusji, także w grupach zadaniowych itp.) można uzyskać dodatkowo 10pkt.

Przedmioty na których bazuje dany przedmiot (prerekwizyty):

• [1DI1302] Algorytmy i struktury danych
• [1DI1106] Analiza matematyczna

• Efekty Kształcenia dla kierunku Informatyka Stosowana:
• Wiedza

  Kod	Efekt Kształcenia dla kierunku	Procent	Efekt kształcenia dla przedmiotu	Sposób sprawdzania
  I1_W04h	ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną obejmującą kluczowe zagadnienia z zakresu sztucznej inteligencji	+++ (100%)	ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną obejmującą kluczowe zagadnienia z zakresu sztucznej inteligencji	Egzamin (pytania sprawdzające) wiedzę i umiejętności
  I1_W06b	ma podstawową wiedzę o trendach rozwojowych z zakresu dziedzin pokrewnych informatyce	+ (33%)	ma podstawową wiedzę o trendach rozwojowych z zakresu dziedzin pokrewnych Informatyce z zakresu nowych technik sztucznej inteligencji	egzamin (pytania sprawdzające) wiedzę i umiejętności
  I1_W08a	zna podstawowe, stosowane przy rozwiązywaniu prostych zadań inżynierskich z zakresu informatyki metody	+ (33%)	zna podstawowe, stosowane przy rozwiązywaniu prostych zadań inżynierskich z zakresu Informatyki metody a w szczególności metody oparte na sztucznej inteligencji	egzamin (pytania sprawdzające) wiedzę i umiejętności

• Umiejętności

  Kod	Efekt Kształcenia dla kierunku	Procent	Efekt kształcenia dla przedmiotu	Sposób sprawdzania
  I1_U01	Potrafi pozyskiwać informacje z literatury, baz danych oraz innych właściwie dobranych źródeł w wersji drukowanej i elektronicznej, w tym w Internecie, także w języku angielskim albo francuskim lub niemieckim w zakresie informatyki, potrafi integrować uzyskane informacje, dokonywać ich interpretacji, a także wyciągać wnioski, formułować i uzasadniać opinie.	+ (33%)	potrafi pozyskiwać informacje z literatury, baz danych oraz innych właściwie dobranych źródeł w wersji drukowanej i elektronicznej w tym w Internecie, także w języku angielskim lub niemieckim w zakresie Informatyki a w szczególności z zakresu metod sztucznej inteligencji	egzamin (pytania sprawdzające umiejętności)
  I1_U09	Potrafi wykorzystać do formułowania i rozwiązywania zadań inżynierskich metody: analityczne, symulacyjne, eksperymentalne.	+ (33%)	potrafi wykorzystać do formułowania i rozwiązywania zadań inżynierskich metody analityczne, symulacyjne, eksperymentalne, w szczególności oparte na metodach sztucznej inteligencji	egzamin (pytania sprawdzające umiejętności)

• Kompetencje społeczne

  Kod	Efekt Kształcenia dla kierunku	Procent	Efekt kształcenia dla przedmiotu	Sposób sprawdzania
  E1_K01	Jest przygotowany do przeprowadzenie krytycznej analizy posiadanej wiedzy, ma świadomość posiadanych kompetencji i umie pozyskać informacje potrzebne do realizacji postawionych przed nim zadań.	+ (33%)	rozumie potrzebę uczenia się przez całe życie, potrafi inspirować i organizować proces uczenia się innych osób w zakresie problemów związanych z zagadnieniami sztucznej inteligencji	dyskusje merytoryczne dotyczące zadanego studentom problemu w trakcie wykładu-możliwość uzyskania dodatkowych punktów przez studenta
  E1_K03	Jest przygotowany do współdziałania i pracy w grupie, przyjmowania w niej różnych ról, działając zawodowo na rzecz społeczeństwa.	+ (33%)	potrafi współdziałać i pracować w grupie, przyjmując w niej różne role w zakresie problemów związanych z zagadnieniami sztucznej inteligencji	dyskusje merytoryczne dotyczące zadanego studentom problemu w trakcie wykładu-możliwość uzyskania dodatkowych punktów przez studenta

• • Punkty ECTS za zajęcia kontaktowe z nauczycielem: 1,4 
  • Punkty ECTS za zajęcia praktyczne łącznie; kontaktowe i bez kontaktu z nauczycielem: 1,6 
• • Uzasadnienie punktów ECTS:

  • Zajęcia kontaktowe z nauczycielem: 

    wykład 30 godzin
    konsultacje 5 godzin

  • Zajęcia bez kontaktu z nauczycielem: 

    Studia podręczników, innych źródeł 20 godzin
    przygotowanie do dyskusji nad zadanymi problemami na wykładzie 10 godzin
    Przygotowanie do egzaminu 10 godzin

  • • Sumaryczna liczba godzin pracy studenta: 75 
  • Łączna liczba punktów ECTS wynika z sumarycznej liczby godzin pracy studenta.