Systemy sztucznej inteligencji Field of study: Computer Science
Programme code: 08-N1INI12.2016

Module name: Systemy sztucznej inteligencji
Module code: 08-IO1N-13-SSI
Programme code: 08-N1INI12.2016
Semester:
  • winter semester 2019/2020
  • summer semester 2018/2019
  • winter semester 2018/2019
Language of instruction: Polish
Form of verification: exam
ECTS credits: 4
Description:
Cel modułu to zapoznanie studentów z wybranym kierunkiem badań w sztucznej inteligencji - z algorytmami genetycznymi. Studenci poznają podstawowe typy algorytmów genetycznych (AG), różne sposoby kodowania, operatory genetyczne oraz metody zarządzania populacją w AG. Wiedza ta wykorzystywana jest do konstrukcji AG rozwiązujących konkretne problemy. W konsekwencji ma to doprowadzić do przyswojenia wiedzy z zakresu AG i jej praktycznego wykorzystania.
Prerequisites:
Znajomość języka wysokiego poziomu np. C++, Java.
Key reading:
(no information given)
Learning outcome of the module Codes of the learning outcomes of the programme to which the learning outcome of the module is related [level of competence: scale 1-5]
Potrafi planować i realizować terminowo różne zadania; Potrafi pracować w zespole kilkuosobowym [SSI-K_1]
 K_1_A_I_K01 [1/5] K_1_A_I_K03 [1/5]
Potrafi rozwiązać problem optymalizacyjny metodami dokładnymi i przybliżonymi [SSI-U_1]
 K_1_A_I_U01 [1/5]
Potrafi zaimplementować prosty algorytm genetyczny w wybranym języku programowania oraz ocenić wyniki działania programu [SSI-U_2]
 K_1_A_I_U15 [1/5] K_1_A_I_U16 [1/5] K_1_A_I_U20 [1/5]
Dla wybranego problemu optymalizacyjnego potrafi zaprojektować i zaimplementować algorytm genetyczny rozwiązujący dany problem, używając odpowiedniego sposobu kodowania problemu; Potrafi odpowiednio dobrać (dostroić) wartości parametrów AG; Potrafi analizować otrzymane rezultaty [SSI-U_3]
 K_1_A_I_U02 [1/5] K_1_A_I_U05 [1/5] K_1_A_I_U15 [1/5] K_1_A_I_U16 [1/5] K_1_A_I_U20 [1/5]
Ma wiedzę z zakresu podstawowych pojęć i kierunków badań w sztucznej inteligencji [SSI-W_1]
 K_1_A_I_W03 [1/5] K_1_A_I_W19 [1/5]
Ma wiedzę z zakresu zadań optymalizacyjnych i kryteriów oceny algorytmu optymalizacji [SSI-W_2]
 K_1_A_I_W01 [1/5] K_1_A_I_W03 [1/5] K_1_A_I_W09 [1/5]
Zna podstawy matematyczne i zasadę działania prostego algorytmu genetycznego oraz strategii ewolucyjnych [SSI-W_3]
 K_1_A_I_W01 [1/5] K_1_A_I_W03 [1/5] K_1_A_I_W19 [1/5]
Ma wiedzę w zakresie metod kodowania w algorytmie genetycznym (AG), zarządzania populacją w AG; Zna różne rodzaje operatorów genetycznych; Ma wiedzę w zakresie metod zapobiegania przedwczesnej zbieżności w AG [SSI-W_4]
 K_1_A_I_W03 [1/5] K_1_A_I_W19 [1/5]
Type Description Codes of the learning outcomes of the module to which assessment is related
Egzamin [SSI-w_1]
Rozwiązanie zadań, po jednym z każdego działu omawianego na wykładzie
 SSI-W_1 SSI-W_2 SSI-W_3 SSI-W_4
Ocena przygotowania studenta do zajęć laboratoryjnych [SSI-w_2]
Ocena przygotowania studenta do zajęć laboratoryjnych poprzez rozwiązanie krótkiego testu przez studenta dotyczącego przerabianej partii materiału
 SSI-W_1 SSI-W_2 SSI-W_3 SSI-W_4
Przygotowanie projektów/ programów [SSI-w_3]
Przygotowanie projektu indywidualnego i projektu/programu grupowego, w grupie 2-3 osobowej, rozwiązującego wybrane problemy z użyciem algorytmów genetycznych
 SSI-K_1 SSI-U_1 SSI-U_2 SSI-U_3
Sprawozdania [SSI-w_4]
Przygotowanie sprawozdań dla projektów, z opisem uzyskanych rezultatów i przesłanie w formie elektronicznej w określonym terminie
 SSI-K_1 SSI-U_1 SSI-U_2 SSI-U_3 SSI-W_1 SSI-W_2 SSI-W_3 SSI-W_4
Form of teaching Student's own work Assessment of the learning outcomes
Type Description (including teaching methods) Number of hours Description Number of hours
lecture [SSI-fns_1]
Podanie treści kształcenia w formie ustnej z wykorzystaniem wizualizacji treści. Zwrócenie uwagi na materiał trudny pojęciowo i wskazanie adresów stron internetowych z materiałami uzupełniającymi
 20
Zapoznanie się z tematyką wykładu z wykorzystaniem: wykładów w wersji elektronicznej i stron internetowych
 10 Egzamin [SSI-w_1]
laboratory classes [SSI-fns_2]
Szczegółowe przygotowanie studentów do przygotowania projektów/programów: indywidualnego i w ramach grupy; ustalenie algorytmów rozwiązujących wybrane problemy, metodologii postępowania, ustalenie sposobu oceny wyników działania programów Konsultacje indywidualne w formie bezpośredniej i elektronicznej
20
Przygotowanie do laboratorium; Wybór tematyki i przygotowanie do projektu indywidualnego; Zapoznanie z algorytmami rozwiązującymi wybrany problem dla projektu grupowego Weryfikowanie na konsultacjach przygotowywanych przez studenta projektów / programów Przygotowanie projektów/programów indywidualnego i w ramach grup 2-3 osobowych; Implementacja projektów w wybranym języku programowania; Przygotowanie sprawozdań z projektów
70 Egzamin [SSI-w_1] Ocena przygotowania studenta do zajęć laboratoryjnych [SSI-w_2] Przygotowanie projektów/ programów [SSI-w_3] Sprawozdania [SSI-w_4]
Attachments
Module description (PDF)
Information concerning module syllabuses might be changed during studies.
Syllabuses (USOSweb)
Semester Module Language of instruction
(no information given)