Nazwa przedmiotu:
Inteligentne systemy zarządzania
Koordynator przedmiotu:
dr inż. Tadeusz Grzeszczyk
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia I stopnia
Program:
Zarządzanie i Inżynieria Produkcji
Grupa przedmiotów:
Z3 - Informatyka gospodarcza
Kod przedmiotu:
6P1Z3
Semestr nominalny:
7 / rok ak. 2016/2017
Liczba punktów ECTS:
3
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
75h (3 ECTS) 20h (ćwiczenia) + 15h (zapoznanie się ze wskazaną i wyszukaną samo-dzielnie literaturą) + 24h (realizacja projektów) + 15h (przygotowanie się do sprawdzianu) + 1h (konsultacje)
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
0,8 ECTS 20h (ćwiczenia) + 1h (konsultacje) = 21h
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
2,2 ECTS 15h (zapoznanie się ze wskazaną i wyszukaną samodzielnie literaturą) + 24h (realizacja projektów) + 15h (przygotowanie się do sprawdzianu) + 1h (konsultacje) = 55h
Formy zajęć i ich wymiar w semestrze:
  • Wykład0h
  • Ćwiczenia300h
  • Laboratorium0h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
Wiedza z zakresu podstaw technologii informacyjno-komunikacyjnych. Umiejętność wyszukiwania i korzystania z elektronicznych źródeł in-formacji, np. biblioteki elektronicznej. Kompetencje dotyczące samo-dzielnego przyswajania nowej wiedzy z zalecanej literatury.
Limit liczby studentów:
od 15 do 30 (ćwiczenia)
Cel przedmiotu:
Celem przedmiotu jest, aby po jego zaliczeniu student: - posiadał podstawową wiedzę z zakresu projektowania oraz implemen-tacji wybranych systemów inteligentnych w przedsiębiorstwie, - potrafił dobierać technologie sztucznej inteligencji odpowiednie do potrzeb w zakresie wspomagania zarządzania przedsiębiorstwem, - potrafił zrozumiale przekazywać wiedzę dotyczącą systemów inteli-gentnych w przedsiębiorstwie
Treści kształcenia:
1) Prezentacja przedmiotu, programu zajęć, dostępnej literatury i pomocy dydaktycznych. Terminologia, pojęcia związane z inteligentnymi systemami zarządzania. 2) Przykłady systemów inteligentnych. Wniosko-wanie oraz uczenie się maszynowe. Przykłady problemów rozwiązywanych za pomocą metod sztucznej inteligencji. 3) Przegląd nowych technologii obliczeniowych bazujących na metodach sztucznej inteligencji użytecznych w zarządzaniu. Modele inspirowane biologicznie i systemy inspirowane matematycznie. 4) Analizowanie przykładów obrazujących ważniejsze zastosowania inteligentnych systemów zarządzania: logistyka, analiza satysfakcji klientów, prognozowanie sprzedaży, zarządzanie pracownikami i in. 5) Sieci neuronowe, algorytmy ewolucyjne i genetyczne, zbiory rozmyte i przybliżone. Podstawowe rodzaje sieci neuronowych: liniowe, perceptrony, o radialnych funkcjach bazowych, realizujące regresję uogólnioną. Inteligentne systemy hybrydowe. Przegląd oprogramowania do modelowania systemów inteligentnych. Zapo-znawanie się z wybranym, niekomercyjnym oprogramowaniem bazującym na różnych metodach sztucznej inteligencji. 6) Prezentacja programu „STATISTICA Automatyczne Sieci Neuronowe”. Poznanie sposobów i narzędzi projektowania, implementacji i testowania modeli neuronowych. Podstawowe parametry wspomagające ocenę modeli neuronowych. Prosty przykład budowania neuronowego modelu regresyjnego. Dobieranie typu sieci i jej architektury, realizacja procesów: uczenia, walidacji i testowania. Wyznaczanie statystyk regresyjnych, ocena zbudowanego modelu oraz jego wykorzystanie w praktyce. 7) Budowanie modeli bazujących na różnego typu sieciach neuronowych. Przykłady konstruowania neuronowych modeli prognostycznych oraz ich implementacji. Porównywanie uzyskanych rezultatów dla poszczególnych modeli. 8) Dyskusja nad tematami projektów studenckich. Prezentacja projektów oraz ich ocenianie. 9) Perspektywy rozwoju inteligentnych systemów zarządzania. 10) Sprawdzian zaliczeniowy.
Metody oceny:
Ocena formatywna dokonywana w trakcie ćwiczeń na podstawie aktyw-ności studentów i weryfikowanej na bieżąco realizacji prostych projek-tów Ocena sumatywna przeprowadzana na podstawie bardziej skompliko-wanych projektów samodzielnie wykonanych przez studentów. Do zali-czenia niezbędne jest wykonanie co najmniej połowy z zadanych projektów.
Egzamin:
nie
Literatura:
Obowiązkowa [1] Flasiński M., Wstęp do sztucznej inteligencji. Wydawnictwo Na-ukowe PWN, Warszawa 2011. [2] Rutkowski L.: Metody i techniki sztucznej inteligencji. Wydawnictwo Naukowe PWN, Warszawa 2011. [3] Sieci neuronowe, [w] Statsoft, Internetowy podręcznik statystyki, www.statsoft.pl/textbook/stathome.html. [4] Tadeusiewicz R.: Sieci neuronowe, http://winntbg.bg.agh.edu.pl/skrypty/0001 Uzupełniająca [1] Banaszak Z., Bocewicz G.: Decision support driven models and al-gorithms of artificial intelligence. Warsaw University of Technology, Faculty of Management, Warszawa 2011. [2] Grzeszczyk T. A.: Artifi-cial Intelligence Applied for Forecasting in Enterprise Decision Support. Publishing House of Institute of Production Systems Organization Warsaw University of Technology, Warszawa 2005. [3] Grzeszczyk T. A.: Modelowanie ewaluacji projektów europejskich. Placet, Warszawa 2012. [4] Negnevitsky M.: Artificial intelligence: a guide to intelligent systems. Addison-Wesley/Pearson, 2011. [5] Warwick K.: Artificial intelligence: the basics. Routledge, London, New York 2012.
Witryna www przedmiotu:
www.electurer.edu.pl
Uwagi:

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Efekt 6P1Z3_W03
ma usystematyzowaną wiedzę w zakresie implementacji systemów inteligentnych i aplikacji bazujących na sztucz-nej inteligencji w zależności od architektury i potrzeb przedsiębiorstwa
Weryfikacja: ocena wykonanych ćwiczeń, zrealizowanych projektów oraz sprawdzianu zaliczeniowego
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt 6P1Z3_W02
ma uporządkowaną wiedzę związaną z budową i strukturą ważniejszych systemów inteligentnych dla przedsiębior-stwa
Weryfikacja: ocena wykonanych ćwiczeń, zrealizowanych projektów oraz sprawdzianu zaliczeniowego
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt 6P1Z3_W01
ma uporządkowaną wiedzę z zakresu komputerowego wspomagania prac inżynierskich i zarządzania, metod sztucznej inteligencji, systemów ekspertowych, sztucznych sieci neuronowych, algorytmów ewolucyjnych
Weryfikacja: ocena wykonanych ćwiczeń, zrealizowanych projektów oraz sprawdzianu zaliczeniowego
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:

Profil ogólnoakademicki - umiejętności

Efekt 6P1Z3_U01
potrafi posługiwać się komputerowym wspomaganiem oraz metodami sztucznej inteligencji do rozwiązywania zadań z zakresu zarządzania
Weryfikacja: ocena wykonanych ćwiczeń, zrealizowanych projektów oraz sprawdzianu zaliczeniowego
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt 6P1Z3_U02
potrafi pracować indywidualnie i w zespole. w tym także zarządzać swoim czasem oraz podejmować zobowiązania i dotrzymywać terminów
Weryfikacja: ocena wykonanych ćwiczeń, zrealizowanych projektów oraz sprawdzianu zaliczeniowego
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt 6P1Z3_U03
potrafi zgodnie z zadaną specyfikacją zaprojektować oraz zrealizować prosty proces, system, obiekt typowy dla stu-diowanego kierunku studiów, używając właściwych metod, technik i narzędzi
Weryfikacja: ocena wykonanych ćwiczeń, zrealizowanych projektów oraz sprawdzianu zaliczeniowego
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Efekt 6P1Z3_K03
potrafi przekazać informacje i wiedzę o osiągnięciach w technologiach i systemach inteligentnych przystępnie i zrozumiale
Weryfikacja: ocena wykonanych ćwiczeń, zrealizowanych projektów oraz sprawdzianu zaliczeniowego
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt 6P1Z3_K02
ma doświadczenia z pracą zespołową
Weryfikacja: ocena wykonanych ćwiczeń, zrealizowanych projektów oraz sprawdzianu zaliczeniowego
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt 6P1Z3_K01
rozumie potrzebę uczenia się przez całe życie
Weryfikacja: ocena wykonanych ćwiczeń, zrealizowanych projektów oraz sprawdzianu zaliczeniowego
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe: