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:
1 / rok ak. 2016/2017
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
1) godziny kontaktowe - obecność na wykładzie, ćwiczeniach i zajęciach projektowych - 60h 2) dodatkowe godziny przeznaczone na realizacje projektu - 30h 3) zapoznanie się z literaturą - 10h 4) przygotowanie prezentacji - 15h Razem nakład pracy studenta 115h = 4p. ECTS
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
a) obecność na wykładzie, ćwiczeniach i zajęciach projektowych - 60h Razem: 60 h., co odpowiada 2 punktom ECTS.
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
a) ćwiczenia i zajęcia projektowe - 45h b) dodatkowe godziny przeznaczone na realizacje projektu - 30h c) przygotowanie prezentacji - 15h Razem: 90h., co odpowiada 4 punktom ECTS.
Formy zajęć i ich wymiar w semestrze:
  • Wykład15h
  • Ćwiczenia15h
  • Laboratorium0h
  • Projekt30h
  • Lekcje komputerowe0h
Wymagania wstępne:
Algorytmy grafowe,  MSI 1, rachunek prawdopodobieństwa
Limit liczby studentów:
Bez limitu
Cel przedmiotu:
Celem przedmiotu jest zapoznanie studentów z zaawansowanymi technikami sztucznej inteligencji a w szczególności z wybranymi zagadnieniami z obszaru inteligencji obliczeniowej. W ramach przedmiotu studenci poznają podstawy teoretyczne Metod inteligencji rojowej Wybranych metod uczenia maszynowego Wybrać metod klasyfikacyjnych oraz ich zastosowania w obszarze gier umysłowych, zagadnień finansowych oraz bioinformatyki.
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:
nie
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:
brak
Uwagi:

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Efekt W2_01
Zna metody wykorzystania inteligencji obliczeniowej w zastosowaniach ekonomicznych (Business Intelligence)
Weryfikacja: ocena zawartości merytorycznej referatu
Powiązane efekty kierunkowe: SI_W08
Powiązane efekty obszarowe:
Efekt W2_02
Zna zaawansowane metody uczenia maszynowego, metody ewolucyjne oraz metody inteligencji obliczeniowej
Weryfikacja: ocena zawartości merytorycznej referatu
Powiązane efekty kierunkowe: SI_W10
Powiązane efekty obszarowe:

Profil ogólnoakademicki - umiejętności

Efekt U2_01
Posiada umiejętność gromadzenia, selekcji i krytycznej interpretacji informacji technicznej oraz zdolność formułowania poglądów, idei, problemów i ich rozwiązań oraz zdolność ich wyrażania i prezentowania specjalistom i niespecjalistom
Weryfikacja: ocena zawartości merytorycznej referatu
Powiązane efekty kierunkowe: SI_U01
Powiązane efekty obszarowe:
Efekt U2_02
Potrafi pracować indywidualnie, w zespole oraz kierować niedużym zespołem
Weryfikacja: ocena jakości merytorycznej oraz technologicznej wykonanego projektu
Powiązane efekty kierunkowe: SI_U02
Powiązane efekty obszarowe:
Efekt U2_03
Potrafi bezproblemowo posługiwać się językiem angielskim w różnych obszarach tematycznych
Weryfikacja: ocena zawartości merytorycznej referatu
Powiązane efekty kierunkowe: SI_U03
Powiązane efekty obszarowe:
Efekt U2_04
Potrafi zdefiniować fazy realizacji oraz praktycznie przeprowadzić złożone przedsięwzięcie informatyczne
Weryfikacja: ocena jakości merytorycznej oraz technologicznej wykonanego projektu
Powiązane efekty kierunkowe: SI_U21
Powiązane efekty obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Efekt K2_01
Ma świadomość odpowiedzialności za wspólnie realizowane zadania w ramach pracy zespołowej
Weryfikacja: ocena jakości merytorycznej oraz technologicznej wykonanego projektu
Powiązane efekty kierunkowe: SI_K04
Powiązane efekty obszarowe: