Sylabus - Karkonoska Państwowa Szkoła Wyższa w Jeleniej Górze
Transkrypt
Sylabus - Karkonoska Państwowa Szkoła Wyższa w Jeleniej Górze
KARTA PRZEDMIOTU Kod przedmiotu MSI Nazwa przedmiotu/modułu: Metody sztucznej inteligencji w nowoczesnych systemach technologicznych. Nazwa angielska: Artificial Inteligence Methods in modern technological systems. Kierunek studiów: Edukacja techniczno-informatyczna Tryb/Poziom studiów: stacjonarne / pierwszego stopnia – inżynierskie Profil studiów Ogólnoakademicki Jednostka prowadząca: Karkonoska Państwowa Szkoła Wyższa w Jeleniej Górze, Wydział Przyrodniczo-Techniczny, Zakład Edukacji TechnicznoInformatycznej I Formy zajęć, liczba godzin Semestr Wykład Ćwiczenie Projekt Seminarium Łącznie I 30 - - - 30 Forma zaliczenia Liczba punktów ECTS Zaliczenie na ocenę - - - Lab. 3 3 II Cel przedmiotu: C1 C2 C3 Zapoznanie studentów z elementami sztucznej inteligencji obliczeniowej takimi jak: algorytmy genetyczne i sztuczne sieci neuronowe i stosowanej do rozwiązywania zadań trudnych obliczeniowo. Zapoznanie studentów z konstrukcją systemów ekspertowych i ich zastosowaniami w technice i diagnostyce. Przedstawienie wybranych zastosowań metod sztucznej inteligencji do rozwiązywania wybranych zadań optymalizacji globalnej, metod pozyskiwania wiedzy oraz sterowania złożonymi procesami technologicznymi III Wymagania wstępne w zakresie wiedzy, umiejętności i innych kompetencji: Podstawy informatyki, elementarne metody numeryczne. IV Oczekiwane efekty kształcenia: Wiedza Student ma elementarną wiedze na temat programowania ewolucyjnego i algorytmów genetycznych Student ma elementarna wiedze na temat przetwarzania danych za pomocą EK2 sztucznych sieci neuronowych, zna podstawowe klasyfikacje sieci ze względu na ich architektury oraz zna podstawowe algorytmy uczenia sieci. Student zna anatomie typowych systemów ekspertowych i potrafi szybko znaleźć EK3 optymalny system w zależności od konkretnej sytuacji inżynierskiej Student ma podstawowa wiedze na temat możliwych zastosowań metod sztucznej EK4 inteligencji w obszarze optymalizacji decyzji , pozyskiwania wiedzy z dużych baz danych a także w konstrukcjach sterowników różnych złożonych procesów. Umiejętności EK1 EK5 Student posiada umiejętność doboru i obsługi metod i narzędzi sztucznej inteligencji do celów analitycznych oraz wspomagania projektowania inżynierskiego. 1 V Treści programowe: Forma zajęć: wykład Liczba godzin Wyk1 Historia rozwoju sztucznej inteligencji, maszyna Turinga, test Turinga, technologia chatbootow. 2 Wyk2 Pojecie inteligencji obliczeniowej, przegląd segmentów AI 2 Wyk3 Wyk4 Wyk5 Wyk6 Złozoności obliczeniowe, ich klasyfikacja, przykłady, algorytmy heurestyczne , gry . Zagadnienia optymalizacji – programowanie liniowe ,programowanie wypukłe. Problemy optymalizacji globalnej-przegląd znanych algorytmów, algorytm wyżarzania Problem optymalizacji globalnej-klasyczny algorytm genetyczny Wyk14 Problem optymalizacji globalnej-algorytm genetyczny ,przykłady i zastosowania Sieci neuronowe: modele neuronu i perceptronu, realizacje perceptronowe funkcji boolowskich Sieci neuronowe :sieci jednokierunkowe, sieci z propagacja wsteczna , sieci o radialnych funkcjach aktywacji, uczenie nadzorowane sieci jednowarstwowych Sieci neuronowe: uczenie nadzorowane i nienadzorowane sieci wielowarstwowych, sieci typu Hopfielda, zastosowania sieci :klasyfikatory ,pamięci asocjatywne, klasyfikacja i rozpoznawanie obrazów Systemy ekspertowe: klasyfikacja i reprezentacje wiedzy, rachunek zdań i predykatów, sieci semantyczne Systemy ekspertowe: struktura modułowa systemu ekspertowego i mechanizmy działania systemów ekspertowych. Proste zastosowania i przykłady. Systemy ekspertowe: logika rozmyta, rozmyte systemy ekspertowe, zastosowania i przykłady Zastosowania metod AI w układach sterowania Wyk15 Podsumowane-perspektywy i zastosowania metod sztucznej inteligencji Wyk7 Wyk8 Wyk9 Wyk10 Wyk11 Wyk12 Wyk13 2 2 2 2 2 2 2 2 2 2 2 2 2 VI Narzędzia dydaktyczne: N1 Wykłady w formie prezentacji multimedialnych wygłaszanych przez prowadzącego wykład N2 e-learning http://www.kpswjg.pl/~gielerak /index.html N3 Dyskusje problemowe w ramach wykładu. N4 Oprogramowanie komputerowe: Matlab, Scicos-Scilab , animacje i aplety-demo. VII Sposoby oceny (F – formująca, P – podsumowująca) F1 Kolokwia sprawdzające i ocena za indywidualne odpowiedzi podczas wykładów. F2 Ocena merytoryczna i formalna za wykonany projekt prezentacji multimedialnej na temat związany z wykładem. F3 Ocena z kolokwium sprawdzającego wiedzę wyniesiona z wykładów Ocena końcowa z wykładów jest średnią ważoną obliczaną z oceny formującej F1 P1 (40 %), oceny formującej F2 (20%) i F3 (40% ). Warunkiem zaliczenia przedmiotu jest uzyskanie pozytywnych ocen z F1, F2 i F3. VIII Obciążenie pracą studenta Łączna i średnia liczba godzin Forma aktywności na zrealizowanie aktywności Godziny kontaktowe z nauczycielem (w trakcie 30 zajęć) 2 Samodzielne studiowanie tematyki wykładów 15 Samodzielne przygotowanie się do kolokwium sprawdzającego. 10 Konsultacje 12 Opracowanie prezentacji zaliczeniowej 13 Przygotowanie się do testu końcowego 10 SUMA 90 SUMARYCZNA LICZBA PUNKTÓW ECTS 3 IX Literatura podstawowa i uzupełniająca Literatura podstawowa: 1. Rutkowski L.; Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa., PWN, Warszawa 2006. 2. Goldberg D.E. ,Algorytmy genetyczne i ich zastosowania , WNT, Warszawa, 2003. 3. Piliński M., Rutkowska D., Rutkowski L., Sieci neuronowe ,algorytmy genetyczne, systemy rozmyte, PWN, Warszawa 1999. 4. Żurada J., Barski M., Jędruch W., Sztuczne sieci neuronowe, PWN, Warszawa 5. Mulawka, J., Systemy ekspertowe, WNT ,Warszawa 1996. 6. e-learning http://www.kpswjg.pl/~gielerak /index.html Literatura uzupełniająca: 1. Jo Yager R., Filev D., Podstawy modelowania i sterowania rozmytego, WNT, Warszawa, 1995 2. Białko M., Sztuczna inteligencja i elementy hybrydowych systemów ekspertowych. Wydawnictwo Politechniki Koszalin, Koszalin 2005. 3