Systemy sztucznej inteligencji w zarzdzaniu przedsibiorstwem Karta (sylabus) przedmiotu

Transkrypt

1 Systemy w zarzdzaniu przedsibiorstwem Karta (sylabus) przedmiotu WZ Zarzdzanie i Inynieria Produkcji Studia II stopnia o profilu: A P Przedmiot: Systemy w zarzdzaniu przedsibiorstwem Status przedmiotu: obieralny Kod przedmiotu ZIP 1 S _0 Jzyk wykładowy: polski Rok: Semestr: Nazwa specjalnoci: Zarzdzanie przedsibiorstwem Rodzaj zaj i liczba godzin: Studia stacjonarne Studia niestacjonarne Wykład 15 wiczenia Laboratorium 0 Projekt Liczba punktów ECTS: Cel przedmiotu Nabycie praktycznych umiejtnoci wykorzystania technik za C1 pomoc narzdzi informatycznych. C Poznanie zasad funkcjonowania oprogramowania. Poznanie podstaw budowy systemów eksperckich wykorzystujcych techniki C. Wymagania wstpne w zakresie wiedzy, umiejtnoci i innych kompetencji 1 Obsługa komputera Podstawy zarzdzania przedsibiorstwem produkcyjnym i/lub usługowym Efekty kształcenia W zakresie wiedzy: Objania technologie stosowane w oprogramowaniu opartym na Rozrónia rodzaje w oparciu o rónorodne kryteria W zakresie umiejtnoci: Wybiera odpowiedni technik do okrelonego problemu Tworzy system bazujcy na W zakresie kompetencji społecznych: Kreatywno w przedmiotu Forma zaj wykłady

2 W1 W W W4 W5 W6 W7 W1 W W L1 L L L4 L5 L6 Definicja inteligentnych systemów ekspertowych. Historia, klasyfikacja i budowa systemów ekspertowych. Sposoby reprezentacji wiedzy. Baza reguł. Maszyna wnioskujca. Algorytm wnioskowania do przodu, algorytm wnioskowania wstecz i wnioskowanie mieszane. Stany reguł i przesłanek w wnioskowania. Heurystyki. Moduł objaniajcy. Ocena jakoci systemu ekspertowego. Pozyskiwanie wiedzy. Zastosowanie zbiorów rozmytych do konstruowania systemów ekspertowych. do konstruowania systemów ekspertowych. Zastosowanie sieci neuronowych do konstruowania systemów ekspertowych. Forma zaj wiczenia Suma godzin: 15 Suma godzin: Forma zaj laboratoria Badanie modeli sztucznych sieci neuronowych w aspekcie zdolnoci do prognozowania funkcji wielu zmiennych Wykorzystanie sztucznych sieci neuronowych w rozwizywaniu zagadnie dot. predykcji - problem klasyfikacyjny (sterowanie alarmem) Wykorzystanie sztucznych sieci neuronowych w rozwizywaniu zagadnie dot. predykcji - problem regresyjny (prognozowanie kursów walut) Zapoznanie studentów z oprogramowaniem słucym do projektowania sztucznych sieci neuronowych: BrainMaker, Statistica Neural Networks i Matlab Algorytmy genetyczne w zastosowaniach doboru proporcji składników produkcji do rozwizania problemu optymalizacji 1

3 P1 P P L7 L8 L9 L10 L11 L1 L1 L14 L15 dostaw do rozwizania problemu optymalizacji trasy przejazdu (problem komiwojaera) do rozwizania problemu równomiernego załadunku do rozwizania problemu harmonogramowania dostaw Algorytmy genetyczne w problemach marketingowych (zamówienia z rabatem ilociowym) do rozwizania problemu ustalania portfela zamówie do rozwizania problemu organizowania kampanii reklamowej Wprowadzenie do modelowania systemów rozmytych przy pomocy oprogramowania symulacyjnego Matlab-Simulink Logika rozmyta w podejmowaniu decyzji (MAtlab-Simulink) Projektowanie przykładowego systemu ekspertowego Suma godzin: 0 Forma zaj projekt Suma godzin: Narzdzia dydaktyczne 1 Wykład problemowy Wykład z prezentacj multimedialn Wykład konwersatoryjny 4 wiczenia laboratoryjne z wykorzystaniem komputera i oprogramowania 5 Dyskusja F1 Kolokwium F Kolokwium przy komputerze P1 P Egzamin pisemny Projekt Sposoby oceny Ocena formujca Ocena podsumowujca

4 Forma aktywnoci [Godziny kontaktowe z wykładowc, realizowane w formie zaj dydaktycznych łczna liczba godzin w semestrze] [Godziny kontaktowe z wykładowc, realizowane w formie np. konsultacji w odniesieniu łczna liczba godzin w semestrze] [Przygotowanie si do laboratorium łczna liczba godzin w semestrze] [Przygotowanie si do zaj łczna Obcienie prac studenta rednia liczba godzin na zrealizowanie aktywnoci liczba godzin w semestrze] Suma 75 Sumaryczna liczba punktów ECTS dla przedmiotu Literatura podstawowa i uzupełniajca Knosala Ryszard: Zastosowania metod w inynierii produkcji WNT Warszawa 00 Tadeusiewicz R. Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami Akademicka Oficyna Wydawnicza PLJ Warszawa 1998 Gwiazda T. D. - Optymalizator problemów zarzdzania i biznesu dla Microsoft Excel Wyd. UW Warszawa 1999 Uzupełniajca Białko, Michał : Sztuczna inteligencja i elementy hybrydowych systemów ekspertowych. Wyd. Uczelniane Politechniki Koszali skiej 005 Palonka, Joanna: Kontroling banku komercyjnego wspomagany przez systemy ekspertowe. : Wydawnictwo Akademii Ekonomicznej im. Karola Adamieckiego, Katowice 007. Niederli ski, Antoni: Regułowo - modelowe systemy ekspertowe rmse. Wydawnictwo Pracowni Komputerowej Jacka Skalmierskiego, Gliwice 006 Efekt kształcenia Odniesienie danego efektu kształcenia do efektów zdefiniowanych dla całego programu (P) Macierz efektów kształcenia Cele przedmiotu Treci programowe Narzdzia dydaktyczne Sposób oceny 1 ZIP1A_W04 C1, C, C W1, W, W, 1, P1

5 ZIP1A_W19 ZIP1A_W04 ZIP1A_W19 C, C ZIP1A_U6 C, C 4 ZIP1A_U18 C,C 5 ZIP1A_ K01 C W4, W5, W6 W7, W8, W9, W10, W11, W1 L1, L, L,L4, L5, L6, L7 L8, L9, L10, L11, L1, L1, L14, L15 W1, W, W, W10, W11, W1 L10, L11, L1, L1, L14, L15 1,, P1 4 F1, F, P 4, 5 F1, F, P 1,,, 4, 5 F1, F, P1, P Formy oceny szczegóły Na ocen (ndst) Na ocen (dst) Na ocen 4 (db) Na ocen 5 (bdb) posiada w posiada pogłbion nie posiada ograniczonym posiada dogłbn wiedz na temat pogłbionej wiedzy na stopniu wiedz na wiedz na temat technologii temat technologii temat technologii technologii stosowanych w stosowanych w stosowanych w stosowanych w oprogramowaniu oprogramowaniu oprogramowaniu oprogramowaniu opartym na opartym na opartym na opartym na nie rozrónia rodzajów w oparciu o rónorodne kryteria nie potrafi dokona wyboru odpowiedniej techniki do okrelonego problemu nie posiada umiejtnoci nie wykazuje kreatywnoci w w bardzo ograniczonym stopniu rozrónia rodzaje w oparciu o rónorodne kryteria w ograniczonym stopniu potrafi dokona wyboru odpowiedniej techniki do okrelonego problemu w ograniczonym stopniu posiada umiejtnoci wykazuje w minimalnym stopniu kreatywno w rozrónia rodzaje w oparciu o rónorodne kryteria dokona wyboru odpowiedniej techniki do okrelonego problemu posiada umiejtnoci wykazuje kreatywno w bardzo dobrze rozrónia rodzaje w oparciu o rónorodne kryteria w bardzo dobrym stopniu potrafi dokona wyboru odpowiedniej techniki do okrelonego problemu jest biegły w wykazuje wysok kreatywno w

6 Autor programu: Adres Jednostka organizacyjna: Osoba, osoby prowadzce: Prof. Jerzy Lipski, dr in. Grzegorz Kłosowski Katedra Organizacji Przedsibiorstwa, Wydział Zarzdzania Prof. Jerzy Lipski, dr in. Grzegorz Kłosowski