Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Reprezentacja wiedzy
Koordynator przedmiotu:
Dr Anna Maria Radzikowska
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia II stopnia
Program:
Informatyka
Grupa przedmiotów:
Wspólne
Kod przedmiotu:
Semestr nominalny:
1 / rok ak. 2016/2017
Liczba punktów ECTS:
6
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
1. godziny kontaktowe, w tym a. obecność na wykładach – 45 h b. obecność na zajęciach projektowych – 30 h 2. przygotowanie do zajęć projektowych – 45 h 3. zapoznanie się z literaturą – 20 h 4. konsultacje – 5 h 5. przygotowanie do egzaminu i obecność na egzaminie – 15 h Łączny nakład pracy studenta wynosi 160 h co odpowiada 6 pkt. ECTS
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
1. obecność na wykładach – 45 h 2. obecność na zajęciach projektowych – 30 h 3. konsultacje – 5 h 4. obecność na egzaminie – 2 h Razem 82 h, co odpowiada 3 pkt. ECTS
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
1. obecność na zajęciach projektowych – 30 h 2. przygotowanie do zajęć projektowych – 45 h 3. przygotowanie do egzaminu – 13 h Razem 88 h, co odpowiada 3 pkt. ECTS
Formy zajęć i ich wymiar w semestrze:
  • Wykład45h
  • Ćwiczenia0h
  • Laboratorium0h
  • Projekt30h
  • Lekcje komputerowe0h
Wymagania wstępne:
Podstawy programowania, elementarna znajomość jednego z języków programowania.
Limit liczby studentów:
Bez limitu
Cel przedmiotu:
Celem przedmiotu jest zapoznanie studentów z podstawowymi metodami reprezentacji wiedzy potocznej w systemach logicznych. Studenci poznają podstawowe systemy logiczne: logika klasyczna pierwszego rzędu oraz logiki nieklasyczne (epistemiczne, dynamiczne, temporalne, logika domniemań, systemy BDI, logiki rozmyte). Studenci zapoznają się także z zagadnieniami modelowania systemów dynamicznych i metodami wnioskowania w tych systemach. W trakcie kursu studenci poznają również elementy teorii zbiorów przybliżonych oraz podstawowe metody ekstrakcji wiedzy z systemów informatycznych. W ramach zajęć projektowych studenci
Treści kształcenia:
Ramowy program wykładu: Automatyzacja wnioskowania klasycznego: metoda rezolucji i jej warianty, podstawy programowania w logice. Podstawowe problemy modelowania wiedzy: wybrane modele wiedzy w systemach wieloagentowych  (przekonania, intencje, pragnienia, cele), przegląd podstawowych systemów wnioskowania w systemach z bazą wiedzy (logiki epistemiczne, temporalne, dynamiczne, logiki domniemań, systemy BDI). Modelowanie systemów dynamicznych: klasy systemów dynamicznych, podstawowe problemy w systemach dynamicznych (inercja, ramifikacja, kwalifikacja, przyczynowość), metody wnioskowania o działaniach i sytuacjach, zagadnienia planowania działań. Języki komunikacji z bazą wiedzy: języki specyfikacji dziedzin, języki zapytań. Systemy informacyjne: podstawy teorii zbiorów przybliżonych, logiki informacyjne, metody uczenia się pojęć, metody konstrukcji reguł decyzyjnych, problemy pozyskiwania wiedzy. Wnioskowanie rozmyte: podstawy teorii zbiorów rozmytych, logiki rozmyte, rozmyte reguły wnioskowania typu IF-THEN-ELSE, reprezentacja pojęć lingwistycznych.   Ramowy program zajęć  projektowych: W ramach zajęć projektowych studenci przygotowują pewien dynamiczny system bazy wiedzy. Temat opracowywany jest w zespołach 5-6 osobowych i obejmuje: Opracowania teoretycznych podstaw systemu zgodnie z założeniami przedstawionymi przez prowadzącego (język specyfikacji dziedzin i język zapytań dla reprezentacji systemu, metoda wnioskowania stosowna dla systemu) Prezentacja projektu teoretycznego. Implementacja systemu. Testowanie przygotowanego programu (etap realizowany przez inny zespół).
Metody oceny:
Warunkiem dopuszczenia do egzaminu jest zaliczenie projektu. Obowiązuje egzamin pisemny i ustny. Ocena z przedmiotu jest oceną łączną z obu części egzaminu i wykonanego projektu.   Regulamin zaliczania części projektowej: Opracowanie części teoretycznej systemu dynamicznego przedstawiane jest w formie pisemnej (zespół otrzymuje max. 20 punktów) oraz w formie prezentacji (max. 5 punktów). Po zaakceptowaniu tego etapu przez prowadzącego zespół przystępuje do prac związanych z implementacją opracowywanego systemu. Program oceniany jest na max. 20 punktów. Ostatni etap prac – testowanie programu (pod kątem jego poprawności i zgodności ze specyfikacją przedstawioną w projekcie) – oceniany jest na max. 5 punktów. Każdy etap prac musi zostać oceniony pozytywnie (min. 60% możliwych do uzyskania punktów). Na ocenę łączną wpływ ma także terminowość realizowania poszczególnych etapów prac.
Egzamin:
tak
Literatura:
Fagin R., Halpern J.Y., Moses Y., Vardi M.Y. (1995). Reasoning about Knowledge, The MIT Press. Brachman R., Levesque H. (2004). Knowledge Representation and Reasoning. Morgan Kaufmann. Sandewall E. (1994) Feature and Fluents: A Systematic Approach to the Representation  of  Knowledge of Dynamical Systems, Oxford University Press. Mueller E. (2005) Commonsense reasoning. Morgan Kaufmann Publishers. Materiały konferencji Principles of Knowledge Represenation and Reasoning z lat 1990-2006.
Witryna www przedmiotu:
brak
Uwagi:

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Efekt W2_01
Zna podstawowe systemy logiczne stosowane w sztucznej inteligencji oraz podstawowe metody reprezentacji wiedzy w tych systemach.
Weryfikacja: Egzamin pisemny i ustny.
Powiązane efekty kierunkowe: SI_W09
Powiązane efekty obszarowe:
Efekt W2_02
Posiada wiedzę o zaawansowanej algorytmice, strukturach danych i metodach tworzenia algorytmów.
Weryfikacja: Egzamin pisemny i ustny.
Powiązane efekty kierunkowe: SI_W11
Powiązane efekty obszarowe:

Profil ogólnoakademicki - umiejętności

Efekt U2_01
Potrafi wykorzystać posiadaną wiedzę do zbudowania systemu ekspertowego oraz bazy wiedzy.
Weryfikacja: Egzamin pisemny i ustny.
Powiązane efekty kierunkowe: SI_U18
Powiązane efekty obszarowe:
Efekt U2_02
Potrafi zaprojektować efektywne języki komunikacji użytkownika z zaawansowanymi systemami informatycznymi (bazy wiedzy, MAS).
Weryfikacja: Egzamin pisemny i ustny.
Powiązane efekty kierunkowe: SI_U13
Powiązane efekty obszarowe:
Efekt U2_03
Potrafi stosować metody automatycznego wnioskowania i zasady rezolucji stworzyć model przeszukiwania heurystycznego dla grafów (OR, AND/OR).
Weryfikacja: Egzamin pisemny i ustny.
Powiązane efekty kierunkowe: SI_U05
Powiązane efekty obszarowe:
Efekt U2_04
Potrafi pracować indywidualnie, w zespole oraz kierować niedużym zespołem.
Weryfikacja: Egzamin pisemny i ustny.
Powiązane efekty kierunkowe: SI_U02
Powiązane efekty obszarowe:
Efekt U2_06
Potrafi zdefiniować fazy realizacji oraz praktycznie przeprowadzić złożone przedsięwzięcie informatyczne.
Weryfikacja: Ocena poszczególnych faz realizacji projektu, w szczególności jego części teoretycznej i części praktycznej.
Powiązane efekty kierunkowe: SI_U21
Powiązane efekty obszarowe:
Efekt U2_07
Potrafi bezproblemowo posługiwać się językiem angielskim w różnych obszarach tematycznych
Weryfikacja: Ocena poszczególnych faz realizacji projektu, w szczególności jego części teoretycznej i części praktycznej.
Powiązane efekty kierunkowe: SI_U03
Powiązane efekty obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Efekt K2_01
Posiada zdolność do kontynuacji kształcenia oraz świadomość potrzeby samokształcenia w ramach procesu kształcenia ustawicznego.
Weryfikacja: Ocena poszczególnych faz realizacji projektu, w szczególności jego części teoretycznej i części praktycznej.
Powiązane efekty kierunkowe: SI_K01
Powiązane efekty obszarowe:
Efekt K2_02
Ma świadomość odpowiedzialności za wspólnie realizowane zadania w ramach pracy zespołowej.
Weryfikacja: Ocena poszczególnych faz realizacji projektu, w szczególności jego części teoretycznej i części praktycznej.
Powiązane efekty kierunkowe: SI_K04
Powiązane efekty obszarowe: