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