Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Metody sztucznej inteligencji 2
Koordynator przedmiotu:
Prof. nzw dr hab. Jacek Mańdziuk
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia II stopnia
Program:
Informatyka
Grupa przedmiotów:
Wspólne
Kod przedmiotu:
Semestr nominalny:
2 / rok ak. 2009/2010
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
Formy zajęć i ich wymiar w semestrze:
  • Wykład15h
  • Ćwiczenia15h
  • Laboratorium0h
  • Projekt30h
  • Lekcje komputerowe0h
Wymagania wstępne:
Algorytmy grafowe,  MSI 1, rachunek prawdopodobieństwa
Limit liczby studentów:
Cel przedmiotu:
do uzupełnienia
Treści kształcenia:
Treść wykładu stanowią zaawansowane zagadnienia dotyczące metod uczenia maszynowego, metod ewolucyjnych oraz metod inteligencji obliczeniowej w kontekście rozwiązywania złożonych problemów decyzyjnych, problemów optymalizacyjnych oraz analizy i drążenia danych. Szczególny nacisk położony jest na omówienie najnowszych trendów w w.w. obszarach. W trakcie ćwiczeń studenci samodzielnie przygotowują oraz przedstawiają referaty dotyczące  zagadnień badawczych opublikowanych w bieżącej literaturze przedmiotu (czołowych czasopismach oraz materiałach konferencyjnych). W ramach cało-semestralnych projektów studenci w grupach 2-4 osobowych projektują oraz implementują programy rozwiązujące praktyczne, problemy z zakresu bioinformatyki, finansów czy gier umysłowych.
Metody oceny:
Średnia ważona ocena z przedstawionego referatu oraz wykonanego projektu. Łączną ocenę punktową przelicza się na stopnie według poniższych zasad: b)  3.5 jeżeli uzyskali od 61 do 70  pkt. c)  4.0 jeżeli uzyskali od 71 do 80  pkt. d)  4.5 jeżeli uzyskali  od 81 do 90  pkt. e)  5.0 jeżeli uzyskali powyżej 90  pkt.
Egzamin:
Literatura:
W. Duch and J. Mańdziuk (eds.) , Challenges to Computational Intelligence, Springer-Verlag, 2007 Wang, J.T.L.; Zaki, M.J.; Toivonen, H.T.T.; Shasha, D.E. (eds.) Data Mining in Bioinformatics, Springer-Verlag A. Brabazon and M. O’Neill Biologically Inspired Algorithms for Financial Modelling, Springer Czasopisma IEEE TNN, IEEE TEC, IEEE TCIAIG, Machine Learning, Artificial Intelligence, Materialy konferencyjne: NIPS, ICANN., IJCNN, ICONIP, ECAI, ICML, ICAISC, ICANNGA, i inne
Witryna www przedmiotu:
Uwagi:

Efekty uczenia się