Nazwa przedmiotu: METODY SZTUCZNEJ INTELIGENCJI W ZAGADNIENIACH EKONOMICZNYCH Artificial intelligence methods in economic issues Kierunek:

Transkrypt

1 Nazwa przedmiotu: METODY SZTUCZNEJ INTELIGENCJI W ZAGADNIENIACH EKONOMICZNYCH Artificial intelligence methods in economic issues Kierunek: Forma studiów: Informatyka Stacjonarne Rodzaj przedmiotu: obowiązkowy w ramach treści dodatkowych Rodzaj zajęć: wykład, laboratorium Poziom przedmiotu: II stopnia Liczba godzin/tydzień: 2W, 2L Kod przedmiotu: D3_03 Rok: I Semestr: II Liczba punktów: 3 ECTS PRZEWODNIK PO PRZEDMIOCIE I KARTA PRZEDMIOTU CEL PRZEDMIOTU C1. Przyswojenie wiedzy teorii technik inteligencji. C2. Nabycie przez studentów umiejętności technik zagadnie-niach. WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI 1. Znajomość podstawowych zagadnień z teorii rozmytych. 2. Znajomość podstawowych zagadnień z teorii sieci neuronowych. 3. Znajomość podstawowych zagadnień z teorii genetycznych. 4. Znajomość podstawowych zagadnień z podstaw ekonomii. EFEKTY KSZTAŁCENIA EK 1 posiada podstawową wiedzę na temat pojęcia inteligencji EK 2 zna podstawowe y reprezentacji wiedzy z wykorzystaniem przybliżonych, EK 3 zna podstawowe y reprezentacji wiedzy z wykorzystaniem rozmytych typu I, EK 4 zna podstawowe y reprezentacji wiedzy z wykorzystaniem rozmytych typu II, EK 5 posiada wiedzę na temat sieci. EK 6 posiada wiedzę na temat ewolucyjnych (genetycznych), EK 7 posiada wiedzę na temat. EK 8 posiada za wiedzy teoretycznej do projektowania systemów analizy wielkości takich jak np. prognozowanie wartości indeksu giełdowego oraz oceny ryzyka we wniosku o kredyt hipoteczny

2 TREŚCI PROGRAMOWE Forma zajęć WYKŁADY Liczba godzin W 1 Metody inteligencji: zbiory rozmyte i logika rozmyta 3 W 2 Sieci neuronowe 3 W 3 Algorytmy ewolucyjne 2 W 4 Systemy ekspertowe 3 W 5 Systemy hybrydowe 3 W 6 System z logiką rozmytą do identyfikacji trendu giełdowego 3 W 7 Zastosowanie sieci neuronowych w ekonomii 5 W 8 Obszary badawcze ewolucyjnych w zarządzaniu 3 W 9 Integracja systemów inteligentnych w 5 Forma zajęć PROJEKT Liczba godzin L 1 Budowa systemu rozmytego do identyfikacji trendu giełdowego 6 L 2 Projektowanie neuronowego modelu prognozy cen na rynkach kapitałowych 6 L 3 Algorytmy ewolucyjne w prognozowaniu na rynku finansowym 6 L 4 Modelowanie hybrydowego systemu oceny wniosku o kredyt hipoteczny 6 L 5 Prognozowanie wartości indeksu giełdowego za pomocą systemu 6 hybrydowego NARZĘDZIA DYDAKTYCZNE 1. wykład z wykorzystaniem prezentacji multimedialnych 2. konsultacje związane z realizacją zadań projektowych 3. praca z zalecaną literaturą SPOSOBY OCENY ( F FORMUJĄCA, P PODSUMOWUJĄCA) F1. ocena przygotowania z teorii F2. ocena stopnia zrozumienia działania obliczeniowych F3. ocena umiejętności projektowania rozwiązujących zadany problem z ekonomii F4. ocena aktywności podczas zajęć. ocena wyników zadań projektowych P2. ocena opanowania materiału nauczania będącego przedmiotem wykładu zaliczenie wykładu/egzamin 2

3 OBCIĄŻENIE PRACĄ STUDENTA Forma aktywności Godziny kontaktowe z prowadzącym Konsultacje z prowadzącym Przygotowanie do zajęć laboratoryjnych i wykonanie sprawozdań Średnia liczba godzin na zrealizowanie aktywności 30W 30L 60 h 5 h 10 h Suma 75 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 3 ECTS 2,60 ECTS 1,60 ECTS LITERATURA PODSTAWOWA I UZUPEŁNIAJĄCA 1. Rutkowska D., Inteligentne systemy obliczeniowe. Algorytmy genetyczne i sieci neuronowe w systemach rozmytych, Akademicka Oficyna Wydawnicza PLJ, Warszawa Inteligentne systemy w zarządzaniu, pod red. J. Zielińskiego, Wydawnictwo Naukowe PWN, Warszawa, Chromiec J., Strzemieczna E., Sztuczna inteligencja. Metody konstrukcji i analizy systemów eksperckich, Akademicka Oficyna Wydawnicza PLJ, Warszawa Altrock C., Fuzzy Logic & NeuroFuzzy Applications in Busyness & Finance, Prentice Hall PTR, New Jersey Neural Networks in Finance and Investing, Edited by R. Trippi & E. Turban, McGraw- Hill, New York Mrozek B., Mrozek Z., Matlab 5.X. Simulink 2.X. Poradnik użytkownika, Wydawnictwo PLJ, Warszawa

4 PROWADZĄCY PRZEDMIOT ( IMIĘ, NAZWISKO, ADRES ) 1. Prof dr hab. inż. Leszek Rutkowski leszek.rutkowski@kik.pcz.pl MACIERZ REALIZACJI EFEKTÓW KSZTAŁCENIA Odniesienie danego efektu do efektów Efekt Cele Treści zdefiniowanych kształcenia przedmiotu programowe dla całego programu (PEK) Narzędzia dydaktyczne EK1 C1 W1-W2 1, 3 EK2 EK3 EK4 EK5 EK6 EK7 EK8 KIF_U15 KIF_U15 C1 W2-W5 1, 3 C1 W3-W8 1, 3 C1 W3-W8 1, 3 C1 C1 C1 W2-W8, L1-L5 W2-W8, L1-L5 W2-W8, L1-L5 1, 3 1, 3 1, 3 C1,C2 W6-W9 1, 2, 3 Sposób oceny,p2,p2,p2, P2 II. FORMY OCENY - SZCZEGÓŁY Efekt 1,2,3,4 Na ocenę 2 Na ocenę 3 Na ocenę 4 Na ocenę 5 nie wiedzy słabo i w wiedzę ; 4

5 Efekt 5 Efekt 6,7 nie wiedzy nie wiedzy słabo i słabo i w wiedzę sieci ; w ; Efekt 8 poznanych nie umiejętności poznanych słabo i poznanych poznanych w poznanych ; 5

6 III. INNE PRZYDATNE INFORMACJE O PRZEDMIOCIE 1. Wszelkie informacje dla studentów (prezentacje do zajęć, instrukcje do ćwiczeń laboratoryjnych, przykładowe aplikacje) dostępne są na stronie internetowej w zakładce Dydaktyka. 2. Informacja na temat konsultacji przekazywana jest studentom podczas pierwszych zajęć danego z przedmiotu. 6