Algorytmy Sztucznej Inteligencji Kierunek studiów: Informatyka
Kod programu: 08-S2INI14.2017

Nazwa modułu: Algorytmy Sztucznej Inteligencji
Kod modułu: 08-IN-ISI-S2-ASI
Kod programu: 08-S2INI14.2017
Semestr:
  • semestr zimowy 2019/2020
  • semestr zimowy 2018/2019
Język wykładowy: polski
Forma zaliczenia: egzamin
Punkty ECTS: 2
Opis:
Celem zajęć w tym module jest zapoznanie studentów z wybranymi technikami i metodami sztucznej inteligencji, ze szczególnym uwzględnieniem metod klasyfikacyjnych. Kolejnym ważnym aspektem poruszanym w ramach modułu jest wnioskowanie z wykorzystywaniem logiki rozmytej, kiedy pojęcia wejściowe nie są określone w sposób bezpośredni i jednoznaczny. Ponadto student nabywa wiedzy i umiejętności z zakresu modelowania sieci neuronowych mogących zostać wykorzystane do skomplikowanych zadań optymalizacyjnych lub rozpoznawania kontekstowego.
Wymagania wstępne:
(brak informacji)
Literatura podstawowa:
(brak informacji)
Efekt modułowy Kody efektów kierunkowych do których odnosi się efekt modułowy [stopień realizacji: skala 1-5]
Potrafi projektować systemy informatyczne wspomagane algorytmami sztucznej inteligencji. [ASI -U_5]
 K_2_A_I_U08 [2/5] K_2_A_I_U17 [1/5] K_2_A_I_U18 [2/5]
Potrafi wyliczać stopień przynależności do zbioru rozmytego, oraz poprawnie identyfikuje określony typ funkcji przynależności na podstawie zapisu matematycznego [ASI -U_6]
 K_2_A_I_U08 [1/5] K_2_A_I_U18 [2/5]
Potrafi wykorzystywać naiwny klasyfikator Bayesa oraz algorytm k najbliższych sąsiadów do konkretnych problemów klasyfikacyjnych przy zadanych ograniczeniach. [ASI -U_7]
 K_2_A_I_U08 [1/5] K_2_A_I_U17 [2/5] K_2_A_I_U18 [1/5]
Posiada podstawową wiedzę z zakresu algorytmów sztucznej inteligencji [ASI -W_1]
 K_2_A_I_W08 [5/5]
Ma podstawową wiedzę z zakresu logiki rozmytej, zna podstawowe operacje logiczne w odniesieniu do zbiorów rozmytych oraz rozróżnia podstawowe typy funkcji przynależności. [ASI -W_2]
 K_2_A_I_W08 [3/5]
Posiada podstawową wiedzę z zakresu uczenia maszynowego (wybrane metody w ramach uczenia nadzorowanego i nienadzorowanego) [ASI -W_3]
 K_2_A_I_W08 [2/5] K_2_A_I_W18 [2/5]
Posiada podstawową wiedzę z zakresu algorytmów genetycznych [ASI -W_4]
 K_2_A_I_W08 [1/5]
Typ Opis Kody efektów modułowych do których odnosi się sposób weryfikacji
egzamin [ASI _w_1]
Celem jest zweryfikowanie wiedzy teoretycznej wyniesionej z wykładu, oraz umiejętności praktycznych nabytych na laboratoriach. Egzamin w formie testu składa się z szeregu pytań zamkniętych jednokrotnego wyboru oraz zadań praktycznych.
 ASI -W_1 ASI -W_2 ASI -W_3 ASI -W_4
prace kontrolne [ASI _w_2]
Kolokwia po przedstawieniu poszczególnych technik bądź grupy zagadnień odnośnie sztucznej inteligencji.
 ASI -U_5 ASI -U_6 ASI -U_7
sprawozdania grupowe [ASI _w_3]
Zastosowanie poznanych metod sztucznej inteligencji, do zadań klasyfikacji bądź w procesie wnioskowania, z użyciem danych pobranych z repozytorium Machine Learning Repository lub sztucznie wygenerowanych przez studenta.
 ASI -U_5 ASI -U_6 ASI -U_7 ASI -W_1 ASI -W_2 ASI -W_3 ASI -W_4
Rodzaj prowadzonych zajęć Praca własna studenta Sposoby weryfikacji
Typ Opis (z uwzględnieniem metod dydaktycznych) Liczba godzin Opis Liczba godzin
wykład [ASI _fs_1]
Podanie treści kształcenia w formie werbalnej z wykorzystaniem wizualizacji treści. Skupienie się na materiale trudnym pojęciowo.
 10
Zapoznanie się z tematyką wykładu.
 10 egzamin [ASI _w_1]
laboratorium [ASI _fs_2]
Szczegółowe przygotowanie studentów do rozwiązywania zadań ze wskazaniem na metodologię postępowania, wskazaniem kolejności wykonywanych czynności. Rozwiązywanie zadań z treścią. Quizy i testy wyboru wraz z grupową dyskusją możliwych odpowiedzi.
 20
Rozwiązywanie zadań z poszczególnych tematów wraz z analizą rozwiązań już istniejących (dostępnych na stronach internetowych prowadzącego). Zastosowanie wiedzy zdobytej na wykładzie i laboratoriach odnośnie technik sztucznej inteligencji, na podstawie wygenerowanych przez studentów danych, co umożliwia jej uporządkowanie.
20 prace kontrolne [ASI _w_2] sprawozdania grupowe [ASI _w_3]
Załączniki
Opis modułu (PDF)
Informacje o sylabusach mogą ulec zmianie w trakcie trwania studiów.
Sylabusy (USOSweb)
Semestr Moduł Język wykładowy
(brak danych)