Systemy Ekspertowe i Eksploracja Danych Plik
Transkrypt
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)