- Nazwa przedmiotu:
- Metody sztucznej inteligencji 2
- Koordynator przedmiotu:
- Prof. dr hab. inż. Jacek Mańdziuk
- Status przedmiotu:
- Obowiązkowy
- Poziom kształcenia:
- Studia II stopnia
- Program:
- Informatyka i Systemy Informacyjne
- Grupa przedmiotów:
- Wspólne
- Kod przedmiotu:
- 1120-INMSI-MSP-0122
- Semestr nominalny:
- 1 / rok ak. 2022/2023
- Liczba punktów ECTS:
- 4
- Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
- 1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładzie – 15 h
b) obecność na ćwiczeniach – 15 h
c) obecność na zajęciach projektowych – 30 h
d) konsultacje – 5 h
2. praca własna studenta – 55 h; w tym
a) dodatkowe godziny przeznaczone na realizacje projektu – 35 h
b) zapoznanie się z literaturą – 5 h
c) przygotowanie referatu – 15 h
Razem 120 h, co odpowiada 4 pkt. ECTS
- Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
- 1. obecność na wykładzie – 15 h
2. obecność na ćwiczeniach – 15 h
3. obecność na zajęciach projektowych – 30 h
4. konsultacje – 5 h
Razem 65 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. dodatkowe godziny przeznaczone na realizacje projektu – 35 h
3. przygotowanie referatu – 15 h
Razem 80 h, co odpowiada 3 pkt. ECTS
- Formy zajęć i ich wymiar w semestrze:
-
- Wykład15h
- Ćwiczenia15h
- Laboratorium0h
- Projekt30h
- Lekcje komputerowe0h
- Wymagania wstępne:
- Algorytmy grafowe, Metody sztucznej inteligencji 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
- wybranych metod klasyfikacyjnych
oraz ich zastosowania w obszarze gier umysłowych, zagadnień finansowych oraz bioinformatyki.
- Treści kształcenia:
- Wykład:
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 ww. obszarach.
Ćwiczenia:
W trakcie ćwiczeń studenci samodzielnie przygotowują oraz przedstawiają referaty dotyczące zagadnień badawczych opublikowanych w bieżącej literaturze przedmiotu (czołowych czasopismach oraz materiałach konferencyjnych).
Projekt:
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 ocen z przedstawionego referatu oraz wykonanego projektu.
- Egzamin:
- nie
- Literatura:
- 1. W. Duch and J. Mańdziuk (eds.), Challenges to Computational Intelligence, Springer-Verlag, 2007.
2. J.Y.L. Wang, M.J. Zaki, H.T.T. Toivonen, D.E. Shasha (eds.), Data Mining in Bioinformatics, Springer-Verlag.
3. A. Brabazon and M. O’Neill, Biologically Inspired Algorithms for Financial Modelling, Springer.
4. Czasopisma IEEE TNN, IEEE TEC, IEEE TCIAIG, Machine Learning, Artificial Intelligence.
5. Materialy konferencyjne: NIPS, ICANN., IJCNN, ICONIP, ECAI, ICML, ICAISC, ICANNGA, i inne.
- Witryna www przedmiotu:
- brak
- Uwagi:
Efekty uczenia się
Profil ogólnoakademicki - wiedza
- Charakterystyka W01
- Zna metody wykorzystania inteligencji obliczeniowej w zastosowaniach ekonomicznych (Business Intelligence)
Weryfikacja: ocena zawartości merytorycznej referatu
Powiązane charakterystyki kierunkowe:
I2SI_W06
Powiązane charakterystyki obszarowe:
- Charakterystyka W02
- Zna zaawansowane metody uczenia maszynowego, metody ewolucyjne oraz metody inteligencji obliczeniowej
Weryfikacja: ocena zawartości merytorycznej referatu
Powiązane charakterystyki kierunkowe:
I2SI_W02
Powiązane charakterystyki obszarowe:
Profil ogólnoakademicki - umiejętności
- Charakterystyka U01
- 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 charakterystyki kierunkowe:
I2_U01
Powiązane charakterystyki obszarowe:
- Charakterystyka U02
- Potrafi w czytelny sposób prezentować wyniki eksperymentów
Weryfikacja: ocena jakości merytorycznej oraz technologicznej wykonanego projektu
Powiązane charakterystyki kierunkowe:
I2_U08
Powiązane charakterystyki obszarowe:
- Charakterystyka U03
- Potrafi bezproblemowo posługiwać się językiem angielskim w różnych obszarach tematycznych
Weryfikacja: ocena zawartości merytorycznej referatu
Powiązane charakterystyki kierunkowe:
I2_U10
Powiązane charakterystyki obszarowe:
- Charakterystyka U04
- Potrafi pracować indywidualnie, w zespole oraz kierować niedużym zespołem
Weryfikacja: ocena jakości merytorycznej oraz technologicznej wykonanego projektu
Powiązane charakterystyki kierunkowe:
I2_U11
Powiązane charakterystyki obszarowe:
- Charakterystyka U05
- Potrafi zdefiniować fazy realizacji oraz praktycznie przeprowadzić złożone przedsięwzięcie informatyczne
Weryfikacja: ocena jakości merytorycznej oraz technologicznej wykonanego projektu
Powiązane charakterystyki kierunkowe:
I2_U13
Powiązane charakterystyki obszarowe:
- Charakterystyka U06
- Potrafi stosować metaheurystyczne metody optymalizacyjne
Weryfikacja: ocena jakości merytorycznej oraz technologicznej wykonanego projektu
Powiązane charakterystyki kierunkowe:
I2SI_U03
Powiązane charakterystyki obszarowe:
- Charakterystyka U07
- Potrafi stosować heurystyczne techniki przeszukiwania drzew i grafów
Weryfikacja: ocena jakości merytorycznej oraz technologicznej wykonanego projektu
Powiązane charakterystyki kierunkowe:
I2SI_U04
Powiązane charakterystyki obszarowe:
- Charakterystyka U08
- Potrafi stosować metody sztucznej inteligencji do budowy systemów decyzyjnych
Weryfikacja: ocena jakości merytorycznej oraz technologicznej wykonanego projektu
Powiązane charakterystyki kierunkowe:
I2SI_U07
Powiązane charakterystyki obszarowe:
Profil ogólnoakademicki - kompetencje społeczne
- Charakterystyka K01
- Ma świadomość odpowiedzialności za wspólnie realizowane zadania w ramach pracy zespołowej
Weryfikacja: ocena jakości merytorycznej oraz technologicznej wykonanego projektu
Powiązane charakterystyki kierunkowe:
I2_K05
Powiązane charakterystyki obszarowe: