Data wydruku: 11.12.2016 09:39 Strona 1 z 2 Nazwa przedmiotu
Transkrypt
Data wydruku: 11.12.2016 09:39 Strona 1 z 2 Nazwa przedmiotu
Nazwa przedmiotu SYSTEMY INŻYNIERII WIEDZY Kod przedmiotu K:06126W1 Jednostka Katedra Inżynierii Systemów Sterowania Kierunek Automatyka i Robotyka Obszary kształcenia Nauki techniczne Profil kształcenia ogólnoakademicki Rok studiów 1 Typ przedmiotu Obowiąkowy Semestr studiów 2 Poziom studiów II stopnia ECTS 5.0 Liczba punktów ECTS Aktywność studenta gk Udział w zajęciach dydaktycznych objętych planem studiów 60 Udział w konsultacjach pw 9 Praca własna studenta 70 Suma Wykładowcy 69 70 Łączna liczba godzin pracy studenta 139 Liczba punktów ECTS 5.0 dr inż. Tomasz Rutkowski (Osoba opowiedzialna za przedmiot) Prowadzący: dr inż. Tomasz Rutkowski Cel przedmiotu Zdobycie podstawowej wiedzy z dziedziny inżynierii wiedzy. Poznanie wybranych systemów oraz metod inżynierii wiedzy. Nabycie umiejętności poprawnego wykorzystania poznanych zagadnień w celu projektowania i implementacji prostych systemów ekspertowych dla potrzeb rozwiązywania zadań inżynierskich oraz prostych problemów badawczych. Efekty kształcenia Odniesienie do efektów kierunkowych Efekt kształcenia z przedmiotu Sposób weryfikacji efektu [K_U08] potrafi wykorzystać metody analityczne, symulacyjne i eksperymentalne do formułowania i rozwiązywania zadań inżynierskich i prostych problemów badawczych z zakresu automatyki i robotyki Student projektuje i implementuje proste systemy ekspertowe. Wykorzystuje w projektach wybrane metody sztucznej inteligencji. W zakresie podstawowym posługuje się oprogramowaniem narzędziowym: Matlab/Simulink, GNU Prolog. [SK2] Ocena postępów pracy [SW3] Ocena opracowania tekstowego [SU4] Ocena umiejętności korzystania z metod i narzędzi [SU2] Ocena umiejętności analizy informacji [SU1] Ocena realizacji zadania [K_W34] ma wiedzę z zakresu podstawowych pojęć inżynierii wiedzy, zna metody projektowania i implementacji prostych systemów ekspertowych Student wyjaśnia podstawowe pojęcia z dziedziny systemów inżynierii wiedzy. Łączy wiedzę z różnych dziedzin. Opisuje realizację reguł za pomocą logiki klasycznej oraz logiki rozmytej. Wyjaśnia paradygmat programowania logicznego oraz paradygmat programowania logicznego z ograniczeniami. [SW3] Ocena opracowania tekstowego [SW1] Ocena wiedzy faktograficznej [SU4] Ocena umiejętności korzystania z metod i narzędzi Sposób realizacji na uczelni Wymagania wstępne i dodatkowe Wiedza z przedmiotu następujących przedmiotów: Optymalizacja i podejmowanie decyzji, Metody Sztucznej Inteligencji, Modelowanie i identyfikacja Zalecane komponenty przedmiotu Data wydruku: 07.03.2017 17:14 Strona 1 z 2 Treść przedmiotu WYKŁAD Definicje i podstawowe pojęcia z dziedziny systemów inżynierii wiedzy. Wybrane metody przetwarzania danych. Wybrane techniki eksploracji danych. Systemy ekspertowe. Bazy wiedzy. Wybrane metody pozyskiwania i reprezentacji wiedzy. Heurystyki. Reprezentacja zadań i przestrzeni przeszukiwań. Wybrane strategie przeszukiwań grafów. Metody wnioskowania. Paradygmat programowania logicznego, paradygmat programowania logicznego z ograniczeniami (ang. Constraints Logic Programming). Przykłady metod sztucznej inteligencji w systemach ekspertowych. Przykłady praktycznych aplikacji wraz ze sposobem ich implementacji w środowiskach Matlab/Simulink i GNU Prolog. ĆWICZENIA LABORATORYJNE Budowa graficznego interfejsu użytkownika (ang. GUI) w środowisku Matlab/Simulink. Realizacja reguł w logice klasycznej oraz w logice rozmytej. Statystyczne przetwarzanie danych oraz wybrane algorytmy grupowania danych. Rozwiązanie wybranych zagadnień testowych za pomocą metod sztucznej inteligencji (między innymi: ruj cząstek, kolonia mrówek, algorytmy genetyczne i ewolucyjne, sieci neuronowych). Podstawy programowania logicznego w języku Prolog. Programowanie logiczne oraz programowanie logiczne z ograniczeniami - realizacja prostych systemów ekspertowych. Zalecana lista lektur Literatura podstawowa 1. 2. 3. 4. 5. Hand D., Mannila H., Smyth P. (2005), Eksploracja danych. WNT, Warszawa. Korbicz, J., Kościelny, J, Kowalczuk, Z., Cholewa, W. (2002), Diagnostyka procesów. Modele, metody sztucznej inteligencji, zastosowania. Wydawnictwa Naukowo Techniczne, Warszawa. Koronacki J., Ćwik J. (2005), Statystyczne systemy uczące się. WNT, Warszawa. Marriott K., Stuckey P.J. (1999), Programing with constraints. The MIT Press, London. Mulawka J. (1996), Systemy ekspertowe. Wydawnictwa Naukowo Techniczne, Warszawa. Literatura uzupełniająca 1. 2. Formy zajęć i metody nauczania Osowski, S. (2000), Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa. Piegat, A. (1999), Modelowanie i sterowanie rozmyte, Akademicka Oficyna Wydawnicza EXIT, Warszawa. Forma zajęć Wykład Ćwiczenia Laboratorium Projekt Seminarium 30.0 0.0 30.0 0.0 0.0 Liczba godzin zajęć Suma godzin dydaktycznych w semestrze, objętych planem studiów 60 W tym kształcenie na odległość: 0.0 Metody i kryteria oceniania Kryteria oceniania: składowe Próg zaliczeniowy Procent oceny końcowej Sprawozdania z ćwiczeń laboratoryjnych 50.0 35.0 Sprawdziany podczas ćwiczeń laboratoryjnych 50.0 15.0 Kolokwium z wykładów - część 2 50.0 25.0 Kolokwium z wykładów - część 1 50.0 25.0 Przykładowe zagadnienia / Przykładowe zadania / Realizowane zadania Język wykładowy polski Praktyki zawodowe Nie dotyczy Data wydruku: 07.03.2017 17:14 Strona 2 z 2