PRZEWODNIK PO PRZEDMIOCIE

Transkrypt

1 Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych, moduł kierunkowy oólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z podstawowymi metodami i technikami stosowanymi w sztucznej inteligencji. C2. Nabycie przez studentów praktycznych umiejętności posługiwania się metodami sztucznej inteligencji do rozwiązywania problemów z dziedziny AI. WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI 1. Wiedza z zakresu podstaw programowania i matematyki. 2. Umiejętność doboru metod podczas analizy i rozwiązywania postawionych zadań z dziedziny sztucznej inteligencji. 3. Umiejętność wykonywania działań matematycznych do rozwiązywania postawionych zadań. 4. Umiejętność korzystania z różnych źródeł informacji w tym z instrukcji i dokumentacji technicznej. 5. Umiejętności pracy samodzielnej i w grupie. 6. Umiejętności prawidłowej interpretacji i prezentacji własnych działań. EFEKTY KSZTAŁCENIA SZTUCZNA INTELIGENCJA Artificial intelligence Forma studiów: Stacjonarne Poziom kwalifikacji: I stopnia Liczba godzin/tydzień: 2W, 2L Kod przedmiotu: C5_20 Rok: III Semestr: V Liczba punktów: 5 ECTS EK 1 posiada podstawową wiedzę teoretyczną z zakresu sztucznej inteligencji, EK 2 zna tendencje i kierunki rozwoju w zakresie projektowania systemów związanych ze sztuczna inteligencją, EK 3 zna podstawowe modele sieci neuronowych i ich metody uczenia oraz potrafi wyznaczyć podstawowe parametry sieci neuronowych, korzystając z odpowiednich metod uczenia, EK 4 posiada podstawową wiedzę na temat definicji problemu, stosowania procedur do poszukiwania rozwiązań. EK 5 zna podstawowe zagadnienia związane z algorytmami niedeterministycznymi, potrafi zastosować algorytm genetyczny do rozwiązania praktycznych zagadnień związanych z poszukiwaniem optymalnego rozwiązania. EK 6 ma ogólną wiedzę w zakresie eksploracji danych i wykorzystaniu analizy skupień do rozpoznawania wzorców, EK7 - zna podstawowe pojęcia z zakresu rachunku predykatów pierwszego rzędu, EK8 potrafi wykorzystać język Prolog do budowy bazy wiedzy opartej na rachunku predykatów,

2 EK9 zna podstawowe zagadnienia związane z przetwarzaniem języka naturalnego, syntezy mowy oraz sieci semantycznych, EK 10 posiada ogólna wiedzę w zakresie logiki rozmytej i budowy systemów rozmytych, EK11 zna podstawowe zagadnienia z systemów eksperckich i robotyki, EK 12 potrafi przygotować z przebiegu realizacji ćwiczeń. TREŚCI PROGRAMOWE Forma zajęć WYKŁADY Liczba godzin W 1 Wprowadzenie do AI, historia rozwoju oraz przykładowe projekty. 2 W 2 Sztuczne sieci neuronowe jednokierunkowe, ich modele i uczenie. 2 W 3 Sztuczne sieci neuronowe samoorganizujące się, ich modele i uczenie. 2 W 4 Metody szukania nieukierunkowanego. 2 W 5 Metody szukania heurystycznego. 2 W 6 Gry planszowe, przykładowe algorytmy. 2 W 7 Algorytmy niedeterministyczne. 2 W 8 Eksploracja danych z wykorzystaniem analizy skupień. 2 W 9 Podstawy rachunku predykatów pierwszego rzędu. 2 W 10 Sieci semantyczne 2 W 11 Przetwarzanie języka naturalnego, synteza mowy. 2 W 12 Podstawy teorii logiki rozmytej. 2 W 13 Sterowniki rozmyte 2 W 14 Systemy eksperckie, budowa i przykłady zastosowań. 2 W 15 Robotyka, podstawowe pojęcia i przykłady zastosowań. 2 Forma zajęć LABORATORIUM Liczba godzin L 1 Wprowadzenie do środowiska Scilab. 2 L 2 Tworzenie zbiorów uczących liniowo-separowalnych. 2 L 3 Zaprojektowanie sieci neuronowej jednowarstwowej. 2 L 4 Uczenie i testowanie sieci jednowarstwowej, prezentacja otrzymanych wyników. 2 L 5 Zaprojektowanie sieci neuronowej wielowarstwowej. 2 L 6 Uczenie i testowanie sieci wielowarstwowej, prezentacja otrzymanych wyników. 2 L 7 Zaprojektowanie sieci neuronowej samoorganizującej się. 2 L 8 Uczenie i testowanie sieci samoorganizującej się. 2 L 9 Algorytm genetyczny tworzenie populacji początkowej, kodowanie osobników. 2 L 10 Algorytm genetyczny realizacja metody selekcji osobników. 2 L 11 Implementacja algorytmu genetycznego z przykładową funkcją celu. 2 L 12 Język Prolog wprowadzenie do języka. 2 L 13 Język Prolog zapisywanie faktów, reguł oraz wykonywanie zapytań. 2 L 14 Zastosowanie języka Prolog do znajdowanie rozwiązań przykładowych zadań. 2 L 15 Zastosowanie języka Prolog do budowy prostego systemu ekspertowego. 2 NARZĘDZIA DYDAKTYCZNE 1. wykład z wykorzystaniem prezentacji multimedialnych 2. ćwiczenia laboratoryjne, opracowanie sprawozdań z realizacji przebiegu ćwiczeń 3. przykładowe programy realizujące techniki sztucznej inteligencji 4. środowisko programistyczne do symulacji metod sztucznej inteligencji 5. instrukcje do wykonania ćwiczeń laboratoryjnych 2

3 SPOSOBY OCENY ( F FORMUJĄCA, P PODSUMOWUJĄCA). ocena przygotowania do ćwiczeń laboratoryjnych. ocena umiejętności stosowania zdobytej wiedzy podczas wykonywania ćwiczeń. ocena sprawozdań z realizacji ćwiczeń objętych programem nauczania. ocena aktywności podczas zajęć. ocena umiejętności rozwiązywania postawionych problemów oraz sposobu prezentacji uzyskanych wyników zaliczenie na ocenę*. ocena opanowania materiału nauczania będącego przedmiotem wykładu zaliczenie wykładu (lub egzamin) *) warunkiem uzyskania zaliczenia jest otrzymanie pozytywnych ocen ze wszystkich ćwiczeń laboratoryjnych, OBCIĄŻENIE PRACĄ STUDENTA Forma aktywności Godziny kontaktowe z prowadzącym Godziny konsultacji z prowadzącym Zapoznanie się ze wskazaną literaturą Przygotowanie do ćwiczeń laboratoryjnych Wykonanie sprawozdań z realizacji ćwiczeń laboratoryjnych, projektów (czas poza zajęciami laboratoryjnymi) Przygotowanie do egzaminu (kolokwium) Średnia liczba godzin na zrealizowanie aktywności 30W 30L 60 h 5 h 20 h 15 h 10 h 15 h Suma 125 h SUMARYCZNA LICZBA PUNKTÓW ECTS DLA PRZEDMIOTU Liczba punktów ECTS, którą student uzyskuje na zajęciach wymagających bezpośredniego udziału prowadzącego Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym, w tym zajęć laboratoryjnych i projektowych 5 ECTS 2.6 ECTS 2.2 ECTS LITERATURA PODSTAWOWA I UZUPEŁNIAJĄCA Cichosz P. Systemy uczące się, WNT, W-wa, Flasiński M., Wstęp do sztucznej inteligencji, PWN, Goldberg D.E. Algorytmy genetyczne i ich zastosowania, WNT 1995, Kisielewicz A., Sztuczna inteligencja i logika, WNT,W-wa, Ossowski S. Sieci neuronowe w ujęciu algorytmicznym, WNT, W-wa, Russell S., Norvig P., Artificial intelligence a modern approach, Prentice Hall, Rutkowski L., Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa, W-wa, 2009, PROWADZĄCY PRZEDMIOT ( IMIĘ, NAZWISKO, ADRES ) 1. dr inż. Artur Starczewski artur.starczewski@kik.pcz.pl 3

4 MACIERZ REALIZACJI EFEKTÓW KSZTAŁCENIA Efekt kształcenia Odniesienie danego efektu do efektów zdefiniowanych dla całego programu (PEK) Cele przedmiotu Treści programowe Narzędzia dydaktyczne EK1 C1 W1-15 1,3 EK2 C1 W14,15 1,3 EK3 W2,3 L1-L8 EK4 C1 W4-6 1,3 EK5 W4,7 L9-L11 EK6 C1 W8 1,3 EK7 C1 W9 1,3 EK8 W9 L12-L15 EK9 C1 W10,11 1,3 EK10 C1 W12,13 EK11 C1 W14,15 1,5 EK12 K_U03 C2 L1-15 2,5 1,3 Sposób oceny II. FORMY OCENY - SZCZEGÓŁY Efekt 1,2,4,6,7,9,10,11 Student opanował sztucznej inteligencji, potrafi podać przykłady stosowanych metod. Na ocenę 2 Na ocenę 3 Na ocenę 4 Na ocenę 5 Student nie opanował podstawowej wiedzy z zakresu podstaw sztucznej inteligencji. Student częściowo opanował wiedzę z zakresu podstaw sztucznej inteligencji Student opanował podstaw sztucznej inteligencji, potrafi wskazać właściwą metodę dla rozwiązania dla konkretnych zadań Student bardzo dobrze opanował materiału objętego programem nauczania, samodzielnie zdobywa i poszerza wiedzę przy użyciu różnych źródeł 4

5 Efekt 3,5,8 Student posiada umiejętności stosowania wiedzy w praktycznym rozwiązywaniu problemów związanych ze sztuczną inteligencją. Efekt 12 Student potrafi efektywnie prezentować i dyskutować wyniki własnych działań zastosować metod w praktycznym rozwiązywaniu problemów ze sztucznej inteligencji nawet z pomocą wytyczonych instrukcji oraz prowadzącego Student nie opracował sprawozdania/ zaprezentować wyników swoich badań wykorzystać zdobytej wiedzy, zadania wynikające z realizacji ćwiczeń wykonuje z pomocą prowadzącego ćwiczenia, ale nie potrafi dokonać interpretacji oraz analizy wyników własnych badań Student poprawnie wykorzystuje wiedzę oraz samodzielnie rozwiązuje problemy wynikające w trakcie realizacji ćwiczeń ćwiczenia, potrafi prezentować wyniki swojej pracy oraz dokonuje ich analizy Student potrafi dokonać wyboru technik stosowanych w sztucznej inteligencji oraz wykonać zaawansowane aplikacje wykorzystujące takie techniki, potrafi dokonać oceny oraz uzasadnić trafność przyjętych metod ćwiczenia, potrafi w sposób zrozumiały prezentować, oraz dyskutować osiągnięte wyniki Dopuszcza się wystawienie oceny połówkowej o ile student spełniający wszystkie efekty kształcenia wymagane do oceny pełnej spełnia niektóre efekty kształcenia odpowiadające ocenie wyższej III. INNE PRZYDATNE INFORMACJE O PRZEDMIOCIE 1. Wszelkie informacje dla studentów (instrukcje do ćwiczeń laboratoryjnych, przykładowe aplikacje) dostępne są na stronie internetowej 2. Informacja na temat konsultacji przekazywana jest studentom podczas pierwszych zajęć danego z przedmiotu. 5