Systemy Ekspertowe i Eksploracja Danych Plik

(pieczęć wydziału)
KARTA PRZEDMIOTU
1. Nazwa przedmiotu: SYSTEMY EKSPERTOWE I
2. Kod przedmiotu:
EKSPLORACJA DANYCH
3. Karta przedmiotu ważna od roku akademickiego: 2012/2013
4. Forma kształcenia: studia drugiego stopnia
5. Forma studiów: studia stacjonarne
6. Kierunek studiów: AUTOMATYKA I ROBOTYKA; WYDZIAŁ AEiI
7. Profil studiów: ogólnoakademicki
8. Specjalność: Komputerowe systemy sterowania
9. Semestr: 1 ,2
10. Jednostka prowadząca przedmiot: Instytut Automatyki, RAu1
11. Prowadzący przedmiot: dr hab. inż. Jarosław Figwer, prof. Pol. Śl.
12. Przynależność do grupy przedmiotów:
przedmioty specjalnościowe
13. Status przedmiotu: obowiązkowy
14. Język prowadzenia zajęć: polski
15. Przedmioty wprowadzające oraz wymagania wstępne: Zakłada się, że przed rozpoczęciem do nauki
niniejszego przedmiotu student posiada przygotowanie w zakresie elementarnej logiki, rachunku
prawdopodobieństwa i statystyki, metod programowania oraz podstaw automatyki.
16. Cel przedmiotu: Celem przedmiotu jest: a) wprowadzenie idei systemów ekspertowych, nauczenie
tworzenia baz wiedzy i stosowania technik pozyskiwania wiedzy dla celów budowy systemów ekspertowych, b)
wprowadzenie podstawowych pojęć i algorytmów eksploracji danych oraz nauczenie stosowania ich w praktyce.
17. Efekty kształcenia:
Opis efektu kształcenia
Nr
Zna ideę systemów ekspertowych, ich strukturę
funkcjonalną, metody pozyskiwania i zapisu wiedzy oraz
metody wnioskowania.
W2 Zna zadania oraz podstawowe algorytmy eksploracji
danych wraz z ich własnościami.
U1
Potrafi pozyskiwać i zapisywać wiedzę w postaci bazy
wiedzy oraz stosować skorupowe systemy ekspertowe.
U2
Potrafi sformułować zadanie eksploracji danych oraz
zaproponować odpowiedni do tego zadania algorytm.
K1
Potrafi zaprezentować i obronić zaproponowane
rozwiązanie postawionego problemu z zakresu systemów
ekspertowych oraz eksploracji danych.
18. Formy zajęć dydaktycznych i ich wymiar (liczba godzin)
W1
W. : 30
Ćw. : 0
Metoda
sprawdzenia
efektu
kształcenia
Forma
Odniesienie
prowadzenia do efektów
zajęć
dla kierunku
studiów
SP
WT, WM
K_W4/3;
W17/1
SP
WT
K_W3/2
SP, CL
WT, WM, L
CL
L
OS
L
K_U1/2;
U2/2; U9/2
K_U7/2;
U22/3
K_K1/1;
K5/1; K6/1;
K7/1
L.: 15
19. Treści kształcenia:
Wykład
Na wykładzie omawiane będą następujące zagadnienia:
1. Sztuczna inteligencja – idea oraz rys historyczny.
2. Reprezentacja wiedzy: stwierdzenia, reguły, sieci semantyczne, ramy, scenariusze, rachunek zdań.
3. Metody pozyskiwania wiedzy.
4. Istota systemu ekspertowego. Rodzaje systemów ekspertowych. Struktura funkcjonalna i informatyczna
systemu ekspertowego. Baza wiedzy i jej struktura. Fakty i reguły. Zgodność i zupełność bazy wiedzy.
System wnioskujący, sterowanie dialogiem z użytkownikiem, system objaśniający, edytor bazy wiedzy.
Wnioskowanie dokładne i przybliżone w przód oraz wstecz. Programowa realizacja systemów wnioskujących.
6. Pozyskiwanie wiedzy na przykładach: systemy i ich modelowanie, metody identyfikacji, metody projektowania
jedno i wielokanałowych systemów sterowania, sterowanie optymalne, sterowanie adaptacyjne, metody
programowania, całkowanie numeryczne, metody optymalizacji, systemy wieloprocesorowe, systemy
agentowe, problemy kombinatoryczne, próbkowanie i rekonstrukcja sygnałów, projektowanie filtrów
cyfrowych.
7. Eksploracja danych: cel eksploracji danych, dane i ich niepewność, zadania eksploracji danych, miary
podobieństwa pomiędzy obiektami, przekształcanie danych, elementy statystycznej eksploracji danych i teorii
estymacji, wizualizacja danych, modele i wzorce, znajdowanie wzorców i reguł, grupowanie, wyszukiwanie wg
zawartości, ocena algorytmów eksploracji danych.
Zajęcia laboratoryjne
Zajęcia laboratoryjne obejmują problematykę wykładową. W pierwszej części zajęć studenci budują własny
skorupowy system ekspertowy koncentrując swoją uwagę na systemie wnioskującym oraz reprezentacji wiedzy za
pomocą reguł. W drugiej części zajęć studenci poznają podstawowe algorytmy ekploracji danych Tematy zajęć
obejmują:
1-2. Skorupowy system ekspertowy.
3. Baza reguł.
4. Algorytmy grupowania.
5. Generowanie reguł asjocjacyjnych.
6. Techniki statystyczne eksploracji danych.
20. Egzamin: nie
5.
21. Literatura podstawowa:
1. Niederliński, A. „Regułowo-modelowe systemy ekspertowe”, PKJS, Gliwice, 2006.
2. Niederliński, A. Witryna systemów ekspertowych http://www.rmse.pl.
3. Cholewa W. Pedrycz W. ,,Systemy doradcze”. Wydawnictwo Politechniki Śląskiej, 1987.
4. Roiger, R. J. i Geatz, M. W.,”Data Mining. A Tutorial-Based Primer”, Addison-Wesley, Boston, 2003.
5. D. Hand, H. Mannila, P. Smyth, ,,Eksplracja danych“, WNT Warszawa 2005.
6. D.Larose, ,,Odkrywanie wiedzy z danych”, PWN, Warszawa, 2006.
22. Literatura uzupełniająca:
1. Cichosz, P., „Systemy uczące się”, WNT, Warszawa, 2000.
2. Niederliński A. . “rmes Rule- and Model-Based Expert Systems”, Jacek Skalmierski Computer Studio 2008
3. P. Harmon, R. Maus, W. Morrissey, “Expert systems tools and applications”, John Wiley & Sons, 1988.
23. Nakład pracy studenta potrzebny do osiągnięcia efektów kształcenia
Lp.
Forma zajęć
1
Wykład
2
Ćwiczenia
3
Laboratorium
4
Projekt
0/0
5
Seminarium
0/0
6
Inne
5/5
Suma godzin
Liczba godzin
kontaktowych / pracy studenta
30/20
0/0
15/45
50/70
24. Suma wszystkich godzin: 120
25. Liczba punktów ECTS: 4
26. Liczba punktów ECTS uzyskanych na zajęciach z bezpośrednim udziałem nauczyciela akademickiego: 2
27. Liczba punktów ECTS uzyskanych na zajęciach o charakterze praktycznym (laboratoria, projekty): 2
26. Uwagi:
Zatwierdzono:
…………………………….
…………………………………………………
(data i podpis prowadzącego)
(data i podpis dyrektora instytutu/kierownika katedry/
Dyrektora Kolegium Języków Obcych/kierownika lub
dyrektora jednostki międzywydziałowej)