Systemy inteligencji stadnej Kierunek studiów: Informatyka
Kod programu: 08-S1INI12.2017

Nazwa modułu: Systemy inteligencji stadnej
Kod modułu: 08-IGO1S-13-SIS
Kod programu: 08-S1INI12.2017
Semestr: semestr zimowy 2019/2020
Język wykładowy: polski
Forma zaliczenia: zaliczenie
Punkty ECTS: 3
Opis:
Celem przedmiotu jest zapoznanie studentów z podstawowymi metodami prezentującymi zachowania stadne, począwszy od symulacji Boids C. Reynoldsa i optymalizacji stadnej cząsteczek (PSO) kończąc. Przegląd podstawowych zastosowań daje możliwość studentom zapoznania się z możliwościami oferowanymi przez te techniki symulacji.
Wymagania wstępne:
(brak informacji)
Literatura podstawowa:
(brak informacji)
Efekt modułowy Kody efektów kierunkowych do których odnosi się efekt modułowy [stopień realizacji: skala 1-5]
Student potrafi pracować w zespole dwuosobowym [SIS_K8]
 K_1_A_I_K03 [1/5]
Student potrafi dokonać analizy struktury programu optymalizacyjnego i przedstawić mechanizm samoadapatacji [SIS_U4]
 K_1_A_I_W09 [1/5] K_1_A_I_W19 [1/5] K_1_A_I_W10 [1/5]
Student potrafi definiować problemy optymalizacji [SIS_U5]
 K_1_A_I_W09 [1/5]
Student potrafi dokonać analizy efektywności skonstruowanego algorytmu optymalizacyjnego [SIS_U6]
 K_1_A_I_U15 [1/5] K_1_A_I_U17 [1/5]
Student potrafi skonstruować algorytm i go zaimplementować dla wybranego zbioru testowego [SIS_U7]
 K_1_A_I_U15 [1/5] K_1_A_I_U17 [1/5]
Student zna i rozumie podstawowe pojęcia ze sztucznego życia oraz technik ewolucyjnych [SIS_W1]
 K_1_A_I_W09 [1/5] K_1_A_I_W19 [1/5] K_1_A_I_W10 [1/5]
Student zna i rozumie podstawowe pojęcia z optymalizacji stadnej cząsteczek [SIS_W2]
 K_1_A_I_W09 [1/5] K_1_A_I_W19 [1/5] K_1_A_I_W10 [1/5]
Student zna i rozumie podstawowe algorytmy przeszukiwania lokalnego, wspinaczki i uczenia maszynowego oraz tworzenia hybrydowych podejść [SIS_W3]
 K_1_A_I_W09 [1/5] K_1_A_I_W19 [1/5] K_1_A_I_W10 [1/5]
Typ Opis Kody efektów modułowych do których odnosi się sposób weryfikacji
Kolokwium zaliczeniowe [SIS_w1]
Praca pisemna studentów wskazująca na poziom opanowania tematyki wykładu
 SIS_U4 SIS_U5 SIS_W1 SIS_W2 SIS_W3
Prace kontrolne [SIS_w2]
Pisemna weryfikacja wiedzy z poszczególnych tematów realizowanych na ćwiczeniach
 SIS_U4 SIS_U5 SIS_W1 SIS_W2 SIS_W3
Projekt grupowy [SIS_w3]
Implementacja algorytmu stadnego w konkretnym zastosowaniu
 SIS_K8 SIS_U6 SIS_U7
Rodzaj prowadzonych zajęć Praca własna studenta Sposoby weryfikacji
Typ Opis (z uwzględnieniem metod dydaktycznych) Liczba godzin Opis Liczba godzin
wykład [SIS_fs1]
Podanie treści kształcenia w formie werbalnej z wykorzystaniem wizualizacji treści. Skupienie się na materiale trudnym pojęciowo i wskazanie adresów stron internetowych i pakietu e-learningowego.
 15
Zapoznanie się z tematyką wykładu z wykorzystaniem istniejących pakietów metod: skryptu, stron internetowych i pakietu e-learningowego
 20 Kolokwium zaliczeniowe [SIS_w1]
laboratorium [SIS_fs2]
Szczegółowe przygotowanie studentów do implementacji algorytmów ze wskazaniem na metodologię postępowania, wskazaniem kolejności wykonywanych czynności.
 15
Samodzielne opracowanie i przygotowanie studentów do kolokwiów zaliczających z laboratorium Wykonanie projektu - implementacji danego systemu w grupie dwuosobowej
40 Kolokwium zaliczeniowe [SIS_w1] Prace kontrolne [SIS_w2]
Załączniki
Opis modułu (PDF)
Informacje o sylabusach mogą ulec zmianie w trakcie trwania studiów.
Sylabusy (USOSweb)
Semestr Moduł Język wykładowy
(brak danych)