Nazwa przedmiotu:
Artificial Intelligence Fundamentals
Koordynator przedmiotu:
Dr hab. inż. Jerzy Balicki, prof. PW
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia I stopnia
Program:
Computer Science and Information Systems
Grupa przedmiotów:
Obligatory
Kod przedmiotu:
1120-IN000-ISA-0361
Semestr nominalny:
6 / rok ak. 2024/2025
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
1. godziny kontaktowe – 50 h; w tym a) obecność na wykładach – 30 h b) obecność na zajęciach projektowych – 15 h c) konsultacje – 5 h 2. praca własna studenta – 70 h; w tym a) przygotowanie projektu komputerowego – 45 h b) zapoznanie się z literaturą – 10 h c) przygotowanie do egzaminu i obecność na egzaminie – 15 h Razem 120 h, co odpowiada 4 pkt. ECTS
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
1. obecność na wykładach – 30 h 2. obecność na zajęciach projektowych – 15 h 3. konsultacje – 5 h Razem 50 h, co odpowiada 2 pkt. ECTS
Język prowadzenia zajęć:
angielski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
1. obecność na zajęciach projektowych – 15 h 2. przygotowanie projektu komputerowego – 45 h Razem 60 h, co odpowiada 2 pkt. ECTS
Formy zajęć i ich wymiar w semestrze:
  • Wykład30h
  • Ćwiczenia0h
  • Laboratorium0h
  • Projekt15h
  • Lekcje komputerowe0h
Wymagania wstępne:
.
Limit liczby studentów:
Bez limitu
Cel przedmiotu:
The aim of the course is to present for students some basic concepts in the field of artificial intelligence methods and the improving by students some skills of theoretical and practical training in modeling decision-making systems based on heuristic searching, automatic inference by the principle of resolution and processing of knowledge modelled by using some fuzzy and rough sets. After completing the course, students should be familiar with the basic concepts of artificial intelligence and use the following abilities: • modeling search problems using graphs; • designing and implementation an appropriate heuristic method; • modeling of problems in logic and performing a simple resolution inference; • modeling problems with incomplete information using rough sets and reasoning; • modeling problems with incomplete information using fuzzy sets and fuzzy logic inference; • constructing a simple expert system.
Treści kształcenia:
.
Metody oceny:
.
Egzamin:
tak
Literatura:
.
Witryna www przedmiotu:
brak
Uwagi:

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Charakterystyka W01
.
Weryfikacja: .
Powiązane charakterystyki kierunkowe: K_W07
Powiązane charakterystyki obszarowe:
Charakterystyka W02
.
Weryfikacja: .
Powiązane charakterystyki kierunkowe: K_W08
Powiązane charakterystyki obszarowe:
Charakterystyka W03
.
Weryfikacja: .
Powiązane charakterystyki kierunkowe: K_W12
Powiązane charakterystyki obszarowe:

Profil ogólnoakademicki - umiejętności

Charakterystyka U01
.
Weryfikacja: .
Powiązane charakterystyki kierunkowe: K_U03, K_U04
Powiązane charakterystyki obszarowe:
Charakterystyka U02
.
Weryfikacja: .
Powiązane charakterystyki kierunkowe: K_U08
Powiązane charakterystyki obszarowe:
Charakterystyka U03
.
Weryfikacja: .
Powiązane charakterystyki kierunkowe: K_U23
Powiązane charakterystyki obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Charakterystyka K01
.
Weryfikacja: .
Powiązane charakterystyki kierunkowe: K_K06
Powiązane charakterystyki obszarowe: