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