Alan M. TURING. Matematyk u progu współczesnej informatyki

Wielkość: px
Rozpocząć pokaz od strony:

Download "Alan M. TURING. Matematyk u progu współczesnej informatyki"

Transkrypt

1 Alan M. TURING n=0 1 n! Matematyk u progu współczesnej informatyki

2 Wykład 5. Alan Turing u progu współczesnej informatyki O co pytał Alan TURING? Czym jest algorytm? Czy wszystkie problemy da się rozwiązać algorytmicznie? Czy wszystkie liczby można obliczyć? Czy maszyna może myśleć?

3 Wykład 5. Alan Turing u progu współczesnej informatyki KALENDARIUM ( ) 1931 do 1939 studiuje, a następnie pracuje w King s College w Cambridge publikuje swoją najważniejszą pracę On Computable Numbers. Wprowadza w niej podział na liczby obliczalne i nieobliczalne, oraz ideę abstrakcyjnej maszyny, która uściśla w sposób ostateczny pojęcie algorytmu, a dziś stanowi najprostszy model komputera cyfrowego do 1945 pracuje jako kryptolog w służbie wywiadu brytyjskiego; konstruuje specjalne maszyny deszyfrujące (tzw. bomby Turinga), które powalają rozszyfrowywać tajne depesze niemieckie kodowane za pomocą maszyny Enigma do 1950 uczestniczy w pracach nad skonstruowaniem pierwszego angielskiego komputera cyfrowego publikuje artykuł Computing Machinery and Intelligence, w którym formułuje swoje filozoficzne poglądy n.t. możliwości zaistnienia sztucznej inteligencji popełnia samobójstwo; jest to dramatyczna reakcja na publiczne szykany wobec jego orientacji homoseksualnej.

4 Wykład 5. Alan Turing u progu współczesnej informatyki Jakie idee Alana Turinga weszły na trwałe do nauki? liczby obliczalne maszyna Turinga test Turinga teza Churcha-Turinga matematyka teoria liczb teoria obliczeń informatyka teoria algorytmów teoria obliczeń filozofia umysłu informatyka sztuczna inteligencja filozofia umysłu teoria algorytmów teoria obliczeń

5 Wykład 5. Alan Turing u progu współczesnej informatyki Czym jest MASZYNA TURINGA? Pierwotnie był to abstrakcyjny automat precyzujący pojęcie algorytmu, czyli procedury mechanicznej. Automat ten można rozumieć fizycznie, jako mechanizm o ściśle określonej konstrukcji, zdolny realizować programy. Udowodniono, że MT jest równoważna komputerowi cyfrowemu realizującemu konkretny program.

6 Wykład 5. Alan Turing u progu współczesnej informatyki Jak jest ZBUDOWANA maszyna Turinga? Maszyna Turinga składa się z: (1) nieskończonej, podzielonej na odrębne komórki, taśmy, (2) głowicy do odczytu-zapisu danych, (3) rejestru stanów, (4) tablicy przejść między stanami. Automat ten działa na podstawie programu zawartego w tablicy (4).

7 Wykład 5. Alan Turing u progu współczesnej informatyki Jak wygląda PROGRAM maszyny Turinga? a b stany 0 (1,a,P) (0,b,L) symbole 1 (0,a,P) (1,b,L) rozkazy # (#,b,l) (#,c,p) c stan końcowy

8 Wykład 5. Alan Turing u progu współczesnej informatyki Czym jest UNIWERSALNA maszyna Turinga? UMT jest specjalną maszyną Turinga, której program ma za zadanie symulować działanie dowolnej, konkretnej MT. Wykazano, że UMT może wykonać dowolnie złożony program dla dowolnie zaawansowanej technicznie maszyny cyfrowej.

9 Wykład 5. Alan Turing u progu współczesnej informatyki Czy maszyna uniwersalna jest naprawdę UNIWERSALNA? (P1) Czy wszystkie dobrze określone problemy matematyczne mają rozwiązania algorytmiczne? (P2) Czy istnieje algorytm rozstrzygający, że dany problem ma rozwiązanie algorytmiczne? (P3) Czy uniwersalna maszyna Turinga potrafi stwierdzić rozwiązywalność dowolnego problemu?

10 Wykład 5. Alan Turing u progu współczesnej informatyki Czy jakaś maszyna Turinga może wiedzieć WSZYSTKO o innych maszynach? NIE! A oto oryginalny nierozstrzygalny problem Turinga (tzw. problem stopu) Dla dowolnej maszyny MT i i jej dowolnych danych wejściowych D j odpowiedz jednoznacznie, czy MT i zatrzyma się dla danych D j tj. zakończy przetwarzanie danych D j?

11 Wykład 5. Alan Turing u progu współczesnej informatyki Czy programy komputerowe mogą być WSZECHWIEDZĄCE? NIE! Nie istnieje bowiem taki uniwersalny program komputerowy, który dla dowolnego innego programu i dowolnych jego danych wejściowych, jest w stanie rozstrzygnąć, czy dla tych właśnie danych program ów zakończy pracę, czyli zatrzyma się!

12 Wykład 5. Alan Turing u progu współczesnej informatyki Jakie jeszcze problemy są NIEROZSTRZYGALNE? (1) Równania diofantyczne Czy dane równanie diofantyczne, z dowolną liczbą niewiadomych i całkowitymi współczynnikami, ma choć jedno rozwiązanie w zbiorze liczb całkowitych? x y 4 y + z 4 = 0

13 Wykład 5. Alan Turing u progu współczesnej informatyki Jakie jeszcze problemy są NIEROZSTRZYGALNE? (2) Równoważność Równoważność składniowa składniowa języków programowania języków programowania Czy dla dwóch dowolnych języków programowania, określonych co do składni i co do zbioru instrukcji podstawowych, możemy stwierdzić, że z ich instrukcji podstawowych daje się zbudować takie same zbiory instrukcji złożonych?

14 Wykład 5. Alan Turing u progu współczesnej informatyki Czy problemy nierozstrzygalne są nierozstrzygalne W OGÓLE? Teza Churcha-Turinga Każdy problem, dla którego istnieje efektywny algorytm rozwiązania, można rozwiązać za pomocą maszyn Turinga. ( maszyna Turinga dostatecznie dobrze opisuje pojęcia algorytmu i algorytmizowalności ) Czy istnieją jednak maszyny alternatywne? neurokomutery komputery kwantowe maszyny analogowe (?...)

15 Wykład 5. Alan Turing u progu współczesnej informatyki Czym są liczby NIEOBLICZALNE? Liczby obliczalne? Liczby nieobliczalne? Istnieje dla nich algorytm obliczania. Istnieje maszyna Turinga obliczająca je z dowolną dokładnością. Istnieje algorytm obliczania ich kolejnych cyfr. Nie istnieje dla nich algorytm obliczania. Żadna maszyna Turinga nie potrafi obliczyć ich z dowolną zadaną dokładnością. Nie istnieje algorytm obliczania ich kolejnych cyfr.

16 Wykład 5. Alan Turing u progu współczesnej informatyki Czy liczby niewymierne są NIEOBLICZALNE? NIE WSZYSTKIE! 4 π = = n= 0 ( 1) n 2n + 1 e = ! + 1 2! + 1 3! +... = n= 0 1 n!

17 Wykład 5. Alan Turing u progu współczesnej informatyki Czy maszyna może MYŚLEĆ? Na czym polega test Turinga? Maszynę należy uznać za inteligentną (szerzej: myślącą), jeśli na podstawie analizy jej odpowiedzi na zadawane pytania, nie potrafimy odróżnić maszyny od człowieka.

18 Wykład 5. Alan Turing u progu współczesnej informatyki Jakie maszyny mogłyby MYŚLEĆ? UCZĄCE SIĘ! Uczące się metodą prób i błędów. Uczące się w sposób losowy czyli niedeterministycznie. Uczące się w drodze elektronicznej ewolucji.

19 Wykład 5. Alan Turing u progu współczesnej informatyki Dlaczego Turing matematyk przyczynił się do rozwoju INFORMATYKI? Bo jako pierwszy podał opis abstrakcyjnej maszyny, która stanowi do dziś najprostszy model komputera cyfrowego. Ta sama idea precyzuje pojęcie algorytmu. Bo nie bał się marzyć o maszynach myślących objaśniając przy tym ich ogólne zasady działania. Bo wskazał kierunki badań nad myślącymi maszynami przyszłości, które dziś są intensywnie rozwijane.

O ALGORYTMACH I MASZYNACH TURINGA

O ALGORYTMACH I MASZYNACH TURINGA O ALGORYTMACH I MASZYNACH TURINGA ALGORYTM (objaśnienie ogólne) Algorytm Pojęcie o rodowodzie matematycznym, oznaczające współcześnie precyzyjny schemat mechanicznej lub maszynowej realizacji zadań określonego

Bardziej szczegółowo

Informacja w perspektywie obliczeniowej. Informacje, liczby i obliczenia

Informacja w perspektywie obliczeniowej. Informacje, liczby i obliczenia Informacja w perspektywie obliczeniowej Informacje, liczby i obliczenia Cztery punkty odniesienia (dla pojęcia informacji) ŚWIAT ontologia fizyka UMYSŁ psychologia epistemologia JĘZYK lingwistyka nauki

Bardziej szczegółowo

O LICZBACH NIEOBLICZALNYCH I ICH ZWIĄZKACH Z INFORMATYKĄ

O LICZBACH NIEOBLICZALNYCH I ICH ZWIĄZKACH Z INFORMATYKĄ O LICZBACH NIEOBLICZALNYCH I ICH ZWIĄZKACH Z INFORMATYKĄ Jakie obiekty matematyczne nazywa się nieobliczalnymi? Jakie obiekty matematyczne nazywa się nieobliczalnymi? Najczęściej: a) liczby b) funkcje

Bardziej szczegółowo

M T E O T D O ZI Z E E A LG L O G R O Y R TM

M T E O T D O ZI Z E E A LG L O G R O Y R TM O ALGORYTMACH I METODZIE ALGORYTMICZNEJ Czym jest algorytm? Czym jest algorytm? przepis schemat zestaw reguł [ ] program ALGORYTM (objaśnienie ogólne) Algorytm Pojęcie o rodowodzie matematycznym, oznaczające

Bardziej szczegółowo

MODELOWANIE RZECZYWISTOŚCI

MODELOWANIE RZECZYWISTOŚCI MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/ Podręcznik Iwo Białynicki-Birula Iwona

Bardziej szczegółowo

OBLICZALNOŚĆ I NIEOBLICZALNOŚĆ

OBLICZALNOŚĆ I NIEOBLICZALNOŚĆ OBLICZALNOŚĆ I NIEOBLICZALNOŚĆ Dwa konteksty obliczalności OBLICZALNE i NIEOBLICZALNE problemy (kontekst informatyczny) liczby (kontekst matematyczny) Problem nieobliczalny jest to problem nierozwiązywalny

Bardziej szczegółowo

O ISTOTNYCH OGRANICZENIACH METODY

O ISTOTNYCH OGRANICZENIACH METODY O ISTOTNYCH OGRANICZENIACH METODY ALGORYTMICZNEJ Dwa pojęcia algorytmu (w informatyce) W sensie wąskim Algorytmem nazywa się każdy ogólny schemat procedury możliwej do wykonania przez uniwersalną maszynę

Bardziej szczegółowo

PROBLEMY NIEROZSTRZYGALNE

PROBLEMY NIEROZSTRZYGALNE PROBLEMY NIEROZSTRZYGALNE Zestaw 1: T Przykład - problem domina T Czy podanym zestawem kafelków można pokryć dowolny płaski obszar zachowując odpowiedniość kolorów na styku kafelków? (dysponujemy nieograniczoną

Bardziej szczegółowo

Turing i jego maszyny

Turing i jego maszyny Turing Magdalena Lewandowska Politechnika Śląska, wydział MS, semestr VI 20 kwietnia 2016 1 Kim był Alan Turing? Biografia 2 3 Mrówka Langtona Bomba Turinga 4 Biografia Kim był Alan Turing? Biografia Alan

Bardziej szczegółowo

Elementy Teorii Obliczeń

Elementy Teorii Obliczeń Wykład 2 Instytut Matematyki i Informatyki Akademia Jana Długosza w Częstochowie 10 stycznia 2009 Maszyna Turinga uwagi wstępne Maszyna Turinga (1936 r.) to jedno z najpiękniejszych i najbardziej intrygujacych

Bardziej szczegółowo

Podstawy Informatyki Maszyna Turinga

Podstawy Informatyki Maszyna Turinga Podstawy Informatyki alina.momot@polsl.pl http://zti.polsl.pl/amomot/pi Plan wykładu 1 Czym jest Programowanie maszyny Turinga Teza Churcha-Turinga 2 3 4 Czym jest Programowanie maszyny Turinga Teza Churcha-Turinga,

Bardziej szczegółowo

Festiwal Myśli Abstrakcyjnej, Warszawa, Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII?

Festiwal Myśli Abstrakcyjnej, Warszawa, Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII? Festiwal Myśli Abstrakcyjnej, Warszawa, 22.10.2017 Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII? Dwa kluczowe terminy Co nazywamy sztuczną inteligencją? zaawansowane systemy informatyczne (np. uczące

Bardziej szczegółowo

Elementy filozofii i metodologii INFORMATYKI

Elementy filozofii i metodologii INFORMATYKI Elementy filozofii i metodologii INFORMATYKI Filozofia INFORMATYKA Metodologia Wykład 1. Wprowadzenie. Filozofia, metodologia, informatyka Czym jest FILOZOFIA? (objaśnienie ogólne) Filozofią nazywa się

Bardziej szczegółowo

Teoretyczne podstawy informatyki

Teoretyczne podstawy informatyki n r fi i= 1 n r fi i= 1 r n ( x) = f ( x) + K+ f ( x) Def r 1 r n ( x) = f ( x) K f ( x) Def r 1 1 Wykład cz. 2 dyżur: poniedziałek 9.30-10.30 p. 436 środa 13.30-14.30 p. 436 e-mail: joanna.jozefowska@cs.put

Bardziej szczegółowo

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ O badaniach nad SZTUCZNĄ INTELIGENCJĄ Wykład 7. O badaniach nad sztuczną inteligencją Co nazywamy SZTUCZNĄ INTELIGENCJĄ? szczególny rodzaj programów komputerowych, a niekiedy maszyn. SI szczególną własność

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA Stefan Sokołowski SZTUCZNA INTELIGENCJA Inst Informatyki UG, Gdańsk, 2009/2010 Wykład1,17II2010,str1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: http://infugedupl/ stefan/dydaktyka/sztintel/

Bardziej szczegółowo

Elementy historii INFORMATYKI

Elementy historii INFORMATYKI Elementy historii INFORMATYKI Wykład 2. Elementy historii informatyki HISTORIA INFORMATYKI HISTORIA KOMPUTERÓW Wykład 2. Elementy historii informatyki Prehistoria informatyki: PASCAL i LEIBNIZ (1623 1662)

Bardziej szczegółowo

Stefan Sokołowski SZTUCZNAINTELIGENCJA. Inst. Informatyki UG, Gdańsk, 2009/2010

Stefan Sokołowski SZTUCZNAINTELIGENCJA. Inst. Informatyki UG, Gdańsk, 2009/2010 Stefan Sokołowski SZTUCZNAINTELIGENCJA Inst. Informatyki UG, Gdańsk, 2009/2010 Wykład1,17II2010,str.1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: http://inf.ug.edu.pl/ stefan/dydaktyka/sztintel/

Bardziej szczegółowo

JAKIE IDEE WPŁYNĘŁY NAJSILNIEJ NA ROZWÓJ I EWOLUCJĘ INFORMATYKI?

JAKIE IDEE WPŁYNĘŁY NAJSILNIEJ NA ROZWÓJ I EWOLUCJĘ INFORMATYKI? JAKIE IDEE WPŁYNĘŁY NAJSILNIEJ NA ROZWÓJ I EWOLUCJĘ INFORMATYKI? Dlaczego dla informatyków ważne są liczby? Dlaczego dla informatyków ważne są liczby? bo w pamięci komputerów cyfrowych wszelkie dane (teksty,

Bardziej szczegółowo

Hierarchia Chomsky ego Maszyna Turinga

Hierarchia Chomsky ego Maszyna Turinga Hierarchia Chomsky ego Maszyna Turinga Języki formalne i automaty Dr inż. Janusz Majewski Katedra Informatyki Gramatyka Gramatyką G nazywamy czwórkę uporządkowaną gdzie: G = V skończony zbiór

Bardziej szczegółowo

Modele Obliczeń. Wykład 1 - Wprowadzenie. Marcin Szczuka. Instytut Matematyki, Uniwersytet Warszawski

Modele Obliczeń. Wykład 1 - Wprowadzenie. Marcin Szczuka. Instytut Matematyki, Uniwersytet Warszawski Modele Obliczeń Wykład 1 - Wprowadzenie Marcin Szczuka Instytut Matematyki, Uniwersytet Warszawski Wykład fakultatywny w semestrze zimowym 2014/2015 Marcin Szczuka (MIMUW) Modele Obliczeń 2014/2015 1 /

Bardziej szczegółowo

Teoretyczne podstawy informatyki

Teoretyczne podstawy informatyki 1 Wykład cz. 2 dyżur: środa 9.00-10.00 czwartek 10.00-11.00 ul. Wieniawskiego 17/19, pok.10 e-mail: joanna.jozefowska@cs.put poznan.pl materiały do wykładów: http://www.cs.put.poznan.pl/jjozefowska/ hasło:

Bardziej szczegółowo

Informatyka. Michał Rad

Informatyka. Michał Rad Informatyka Michał Rad 13.10.2016 Co i po co będziemy robić Plan wykładów: Wstęp, historia Systemy liczbowe Co to jest system operacyjny i po co to jest Sprawy związane z tworzeniem i własnością oprogramowania

Bardziej szczegółowo

Teoria obliczeń i złożoność obliczeniowa

Teoria obliczeń i złożoność obliczeniowa Teoria obliczeń i złożoność obliczeniowa Kontakt: dr hab. inż. Adam Kasperski, prof. PWr. pokój 509 B4 adam.kasperski@pwr.wroc.pl materiały + informacje na stronie www. Zaliczenie: Egzamin Literatura Problemy

Bardziej szczegółowo

O RÓŻNYCH SPOSOBACH ROZUMIENIA ANALOGOWOŚCI W INFORMATYCE

O RÓŻNYCH SPOSOBACH ROZUMIENIA ANALOGOWOŚCI W INFORMATYCE Filozofia w informatyce, Kraków, 17-18 listopada 2016 O RÓŻNYCH SPOSOBACH ROZUMIENIA ANALOGOWOŚCI W INFORMATYCE Paweł Stacewicz Politechnika Warszawska Analogowe? płyta analogowa telewizja analogowa dawne

Bardziej szczegółowo

Maszyna Turinga języki

Maszyna Turinga języki Maszyna Turinga języki Teoria automatów i języków formalnych Dr inż. Janusz Majewski Katedra Informatyki Maszyna Turinga (1) b b b A B C B D A B C b b Q Zależnie od symbolu obserwowanego przez głowicę

Bardziej szczegółowo

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ O badaniach nad SZTUCZNĄ INTELIGENCJĄ Jak określa się inteligencję naturalną? Jak określa się inteligencję naturalną? Inteligencja wg psychologów to: Przyrodzona, choć rozwijana w toku dojrzewania i uczenia

Bardziej szczegółowo

Obliczenia inspirowane Naturą

Obliczenia inspirowane Naturą Obliczenia inspirowane Naturą Wykład 01 Modele obliczeń Jarosław Miszczak IITiS PAN Gliwice 05/10/2016 1 / 33 1 2 3 4 5 6 2 / 33 Co to znaczy obliczać? Co to znaczy obliczać? Deterministyczna maszyna Turinga

Bardziej szczegółowo

Obliczanie. dr hab. inż. Joanna Józefowska, prof. PP 1

Obliczanie. dr hab. inż. Joanna Józefowska, prof. PP 1 Obliczanie 1 Obliczanie Co to jest obliczanie? Czy wszystko można obliczyć? Czy to, co intuicyjnie uznajemy za obliczalne można obliczyć za pomocą mechanicznej procedury? 2 Czym jest obliczanie? Dawid

Bardziej szczegółowo

O REDUKCJI U-INFORMACJI

O REDUKCJI U-INFORMACJI O REDUKCJI U-INFORMACJI DO DANYCH Cztery punkty odniesienia (dla pojęcia informacji) ŚWIAT ontologia fizyka UMYSŁ psychologia epistemologia JĘZYK lingwistyka nauki o komunikacji KOMPUTER informatyka elektronika

Bardziej szczegółowo

prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz

prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz WIEDZA prawda komunikat symbol DANE fałsz kod INFORMACJA (nie tyko w informatyce) liczba znak forma ENTROPIA przekaz wiadomość Czy żyjemy w erze informacji? TAK Bo używamy nowego rodzaju maszyn maszyn

Bardziej szczegółowo

Dialog z przyroda musi byc prowadzony w jezyku matematyki, w przeciwnym razie przyroda nie odpowiada na nasze pytania.

Dialog z przyroda musi byc prowadzony w jezyku matematyki, w przeciwnym razie przyroda nie odpowiada na nasze pytania. Wydział Fizyki Uniwersytetu Warszawskiego a. Tw. Gödla kontra Matrix b. Moim zdaniem Rys. źródło: Internet W jaki sposób policzyć ilość operacji logicznych w mózgu? Mózg a komputer "When will computer

Bardziej szczegółowo

Technologie informacyjne - wykład 12 -

Technologie informacyjne - wykład 12 - Zakład Fizyki Budowli i Komputerowych Metod Projektowania Instytut Budownictwa Wydział Budownictwa Lądowego i Wodnego Politechnika Wrocławska Technologie informacyjne - wykład 12 - Prowadzący: Dmochowski

Bardziej szczegółowo

JAKIEGO RODZAJU NAUKĄ JEST

JAKIEGO RODZAJU NAUKĄ JEST JAKIEGO RODZAJU NAUKĄ JEST INFORMATYKA? Computer Science czy Informatyka? Computer Science czy Informatyka? RACZEJ COMPUTER SCIENCE bo: dziedzina ta zaistniała na dobre wraz z wynalezieniem komputerów

Bardziej szczegółowo

W filozofii analitycznej w latach 50. ukształtowała się nowa dyscyplina, tzw. filozofia umysłu (philosophy of mind)

W filozofii analitycznej w latach 50. ukształtowała się nowa dyscyplina, tzw. filozofia umysłu (philosophy of mind) W filozofii analitycznej w latach 50. ukształtowała się nowa dyscyplina, tzw. filozofia umysłu (philosophy of mind) Czy świadomość jest procesem mózgowym, czyli problem zamiany wody mózgu w wino świadomości

Bardziej szczegółowo

Maszyna Turinga (Algorytmy Część III)

Maszyna Turinga (Algorytmy Część III) Maszyna Turinga (Algorytmy Część III) wer. 9 z drobnymi modyfikacjami! Wojciech Myszka 2018-12-18 08:22:34 +0100 Upraszczanie danych Komputery są coraz szybsze i sprawniejsze. Na potrzeby rozważań naukowych

Bardziej szczegółowo

Logika i teoria mnogości Wykład 14

Logika i teoria mnogości Wykład 14 Teoria rekursji Teoria rekursji to dział logiki matematycznej zapoczątkowany w latach trzydziestych XX w. Inicjatorzy tej dziedziny to: Alan Turing i Stephen Kleene. Teoria rekursji bada obiekty (np. funkcje,

Bardziej szczegółowo

CZYM SĄ OBLICZENIA NAT A URALNE?

CZYM SĄ OBLICZENIA NAT A URALNE? CZYM SĄ OBLICZENIA NATURALNE? Co to znaczy obliczać (to compute)? Co to znaczy obliczać (to compute)? wykonywać operacje na liczbach? (komputer = maszyna licząca) wyznaczać wartości pewnych funkcji? (program

Bardziej szczegółowo

Maszyna Turinga, ang. Turing Machine (TM)

Maszyna Turinga, ang. Turing Machine (TM) Maszyna Turinga, ang. Turing Machine (TM) Alan Turing wybitny angielski matematyk, logik i kryptolog, jeden z najważniejszych twórców informatyki teoretycznej, któremu zawdzięczamy pojęcie maszyny Turinga

Bardziej szczegółowo

Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia

Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia :Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia Podstawy prawne. 1 15 1 Podstawy ekonomii. 1 15 15 2 Metody uczenia się i studiowania. 1 15 1 Środowisko programisty. 1 30 3 Komputerowy

Bardziej szczegółowo

INFORMATYKA, TECHNOLOGIA INFORMACYJNA ORAZ INFORMATYKA W LOGISTYCE

INFORMATYKA, TECHNOLOGIA INFORMACYJNA ORAZ INFORMATYKA W LOGISTYCE Studia podyplomowe dla nauczycieli INFORMATYKA, TECHNOLOGIA INFORMACYJNA ORAZ INFORMATYKA W LOGISTYCE Przedmiot JĘZYKI PROGRAMOWANIA DEFINICJE I PODSTAWOWE POJĘCIA Autor mgr Sławomir Ciernicki 1/7 Aby

Bardziej szczegółowo

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ O badaniach nad SZTUCZNĄ INTELIGENCJĄ SZTUCZNA INTELIGENCJA dwa podstawowe znaczenia Co nazywamy sztuczną inteligencją? zaawansowane systemy informatyczne (np. uczące się), pewną dyscyplinę badawczą (dział

Bardziej szczegółowo

Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa, Inżynieria oprogramowania, Technologie internetowe

Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa, Inżynieria oprogramowania, Technologie internetowe :Informatyka- - inż., rok I specjalność: Grafika komputerowa, Inżynieria oprogramowania, Technologie internetowe Metody uczenia się i studiowania 1 Podstawy prawa i ergonomii pracy 1 25 2 Podstawy ekonomii

Bardziej szczegółowo

SCENARIUSZ LEKCJI. Miejsca zerowe funkcji kwadratowej i ich graficzna prezentacja

SCENARIUSZ LEKCJI. Miejsca zerowe funkcji kwadratowej i ich graficzna prezentacja SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Maszyny Turinga. Jerzy Pogonowski. Funkcje rekurencyjne. Zakład Logiki Stosowanej UAM

Maszyny Turinga. Jerzy Pogonowski. Funkcje rekurencyjne. Zakład Logiki Stosowanej UAM Maszyny Turinga Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Funkcje rekurencyjne Jerzy Pogonowski (MEG) Maszyny Turinga Funkcje rekurencyjne 1 / 29 Wprowadzenie

Bardziej szczegółowo

Języki, automaty i obliczenia

Języki, automaty i obliczenia Języki, automaty i obliczenia Wykład 11: Obliczalność i nieobliczalność Sławomir Lasota Uniwersytet Warszawski 6 maja 2015 Plan 1 Problemy częściowo rozstrzygalne 2 Problemy rozstrzygalne 3 Funkcje (częściowo)

Bardziej szczegółowo

Algorytm. Krótka historia algorytmów

Algorytm. Krótka historia algorytmów Algorytm znaczenie cybernetyczne Jest to dokładny przepis wykonania w określonym porządku skończonej liczby operacji, pozwalający na rozwiązanie zbliżonych do siebie klas problemów. znaczenie matematyczne

Bardziej szczegółowo

Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa

Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa :Informatyka- - inż., rok I specjalność: Grafika komputerowa Rok akademicki 018/019 Metody uczenia się i studiowania. 1 Podstawy prawne. 1 Podstawy ekonomii. 1 Matematyka dyskretna. 1 30 Wprowadzenie do

Bardziej szczegółowo

Wstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych

Wstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych Wstęp do kognitywistyki Wykład 3: Logiczny neuron. Rachunek sieci neuronowych Epistemologia eksperymentalna W. McCulloch: Wszystko, czego dowiadujemy się o organizmach wiedzie nas do wniosku, iż nie są

Bardziej szczegółowo

Programowanie komputerów

Programowanie komputerów Programowanie komputerów Wykład 1-2. Podstawowe pojęcia Plan wykładu Omówienie programu wykładów, laboratoriów oraz egzaminu Etapy rozwiązywania problemów dr Helena Dudycz Katedra Technologii Informacyjnych

Bardziej szczegółowo

Cyfrowość i analogowość. Wstępny zarys tematyki metodologicznofilozoficznej

Cyfrowość i analogowość. Wstępny zarys tematyki metodologicznofilozoficznej Cyfrowość i analogowość Wst pny zarys tematyki Wstępny zarys tematyki metodologicznofilozoficznej Motywacja 1. Nawet w dziedzinie problemów jasno określonych, kodowanych adekwatnie do możliwości maszyn

Bardziej szczegółowo

INFORMATYKA I FILOZOFIA

INFORMATYKA I FILOZOFIA Paweł Stacewicz INFORMATYKA I FILOZOFIA Niniejszy szkic jest przeznaczony dla dwóch grup czytelników, które w pewien sposób ku sobie ciążą. Grupa pierwsza to niewyrobieni filozoficznie informatycy, którzy

Bardziej szczegółowo

Języki, automaty i obliczenia

Języki, automaty i obliczenia Języki, automaty i obliczenia Wykład 10: Maszyny Turinga Sławomir Lasota Uniwersytet Warszawski 29 kwietnia 2015 Plan Maszyny Turinga (Niedeterministyczna) maszyna Turinga M = (A, Q, q 0, F, T, B, δ) A

Bardziej szczegółowo

Imię, nazwisko, nr indeksu

Imię, nazwisko, nr indeksu Imię, nazwisko, nr indeksu (kod) (9 punktów) Wybierz 9 z poniższych pytań i wybierz odpowiedź tak/nie (bez uzasadnienia). Za prawidłowe odpowiedzi dajemy +1 punkt, za złe -1 punkt. Punkty policzymy za

Bardziej szczegółowo

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia Wydział: Informatyki, Elektroniki i Telekomunikacji Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 2016/2017 Język wykładowy: Polski Semestr 1 IIN-1-103-s

Bardziej szczegółowo

Czym jest liczba π? O liczbie π. Paweł Zwoleński. Studenckie Koło Naukowe Matematyków Wydział Matematyczno-Fizyczny Politechnika Śląska

Czym jest liczba π? O liczbie π. Paweł Zwoleński. Studenckie Koło Naukowe Matematyków Wydział Matematyczno-Fizyczny Politechnika Śląska Studenckie Koło Naukowe Matematyków Wydział Matematyczno-Fizyczny Politechnika Śląska 200.03.4 Motywacja wprowadzenia π Kluczowym momentem w historii liczby π było zauważenie przez starożytnych Babilończyków

Bardziej szczegółowo

Informatyka 1. Złożoność obliczeniowa

Informatyka 1. Złożoność obliczeniowa Informatyka 1 Wykład XI Złożoność obliczeniowa Robert Muszyński ZPCiR ICT PWr Zagadnienia: efektywność programów/algorytmów, sposoby zwiększania efektywności algorytmów, zasada 80 20, ocena efektywności

Bardziej szczegółowo

Sztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne. Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych

Sztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne. Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych Sztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych Plan wystąpienia Co to jest sztuczna inteligencja? Pojęcie słabej

Bardziej szczegółowo

Wprowadzenie do teorii systemów ekspertowych

Wprowadzenie do teorii systemów ekspertowych Myślące komputery przyszłość czy utopia? Wprowadzenie do teorii systemów ekspertowych Roman Simiński siminski@us.edu.pl Wizja inteligentnych maszyn jest od wielu lat obecna w literaturze oraz filmach z

Bardziej szczegółowo

KRZYSZTOF WÓJTOWICZ Instytut Filozofii Uniwersytetu Warszawskiego

KRZYSZTOF WÓJTOWICZ Instytut Filozofii Uniwersytetu Warszawskiego KRZYSZTOF WÓJTOWICZ Instytut Filozofii Uniwersytetu Warszawskiego wojtow@uw.edu.pl 1 2 1. SFORMUŁOWANIE PROBLEMU Czy są empiryczne aspekty dowodów matematycznych? Jeśli tak to jakie stanowisko filozoficzne

Bardziej szczegółowo

Metody numeryczne w przykładach

Metody numeryczne w przykładach Metody numeryczne w przykładach Bartosz Ziemkiewicz Wydział Matematyki i Informatyki UMK, Toruń Regionalne Koło Matematyczne 8 kwietnia 2010 r. Bartosz Ziemkiewicz (WMiI UMK) Metody numeryczne w przykładach

Bardziej szczegółowo

O ROLI TEZY CHURCHA W DOWODZIE PEWNEGO TWIERDZENIA

O ROLI TEZY CHURCHA W DOWODZIE PEWNEGO TWIERDZENIA ARTYKUŁY ZAGADNIENIA FILOZOFICZNE W NAUCE XXV / 1999, s. 76 81 Adam OLSZEWSKI O ROLI TEZY CHURCHA W DOWODZIE PEWNEGO TWIERDZENIA Zadaniem niniejszego artykułu jest zdanie sprawy z matematycznej roli Tezy

Bardziej szczegółowo

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia Wydział: Informatyki, Elektroniki i Telekomunikacji Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 217/218 Język wykładowy: Polski Semestr 1 IIN-1-13-s

Bardziej szczegółowo

MASZYNA TURINGA UPRASZCZANIE DANYCH

MASZYNA TURINGA UPRASZCZANIE DANYCH MASZYNA TURINGA Maszyna Turinga jest prostym urządzeniem algorytmicznym, uderzająco prymitywnym w porównaniu z dzisiejszymi komputerami i językami programowania, a jednak na tyle silnym, że pozwala na

Bardziej szczegółowo

Elementy filozofii i metodologii INFORMATYKI

Elementy filozofii i metodologii INFORMATYKI Elementy filozofii i metodologii INFORMATYKI Filozofia INFORMATYKA Metodologia Czym jest FILOZOFIA? (objaśnienie ogólne) Filozofią nazywa się Ogół rozmyślań, nie zawsze naukowych, nad naturą człowieka,

Bardziej szczegółowo

CZY INFORMATYKOM MUSI WYSTARCZYĆ NIESKOŃCZONOŚĆ POTENCJALNA?

CZY INFORMATYKOM MUSI WYSTARCZYĆ NIESKOŃCZONOŚĆ POTENCJALNA? Filozofia w matematyce i informatyce, Poznań, 9-10 grudnia 2016 CZY INFORMATYKOM MUSI WYSTARCZYĆ NIESKOŃCZONOŚĆ POTENCJALNA? Paweł Stacewicz Politechnika Warszawska Nieskończoność a granice informatyki

Bardziej szczegółowo

Budowa pierwszych komputerów i ich zastosowanie w matematyce

Budowa pierwszych komputerów i ich zastosowanie w matematyce Budowa pierwszych komputerów i ich zastosowanie w matematyce Aleksander Byglewski Jarosław Rolski Jakub Zbrzezny Krótki kurs historii matematyki Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska

Bardziej szczegółowo

INFORMATYKA. PLAN STUDIÓW NIESTACJONARNYCH 2-go STOPNIA (W UKŁADZIE ROCZNYM) STUDIA ROZPOCZYNAJĄCE SIĘ W ROKU AKADEMICKIM A K L S P

INFORMATYKA. PLAN STUDIÓW NIESTACJONARNYCH 2-go STOPNIA (W UKŁADZIE ROCZNYM) STUDIA ROZPOCZYNAJĄCE SIĘ W ROKU AKADEMICKIM A K L S P Rok I Zajęcia dydaktyczne obligatoryjne INFORMATYKA PLAN STUDIÓ NIESTACJONARNYCH 2-go STOPNIA ( UKŁADZIE ROCZNYM) ybrane zagadnienia matematyki wyższej Logika i teoria mnogości dla informatyków Zaawansowane

Bardziej szczegółowo

INFORMATYKA PLAN STUDIÓW NIESTACJONARNYCH 2-GO STOPNIA (W UKŁADZIE ROCZNYM) STUDIA ROZPOCZYNAJĄCE SIĘ W ROKU AKADEMICKIM 2015/16

INFORMATYKA PLAN STUDIÓW NIESTACJONARNYCH 2-GO STOPNIA (W UKŁADZIE ROCZNYM) STUDIA ROZPOCZYNAJĄCE SIĘ W ROKU AKADEMICKIM 2015/16 -learning INFORMATYKA PLAN STUDIÓ NISTACJONARNYCH 2-GO STOPNIA ( UKŁADZI ROCZNYM) STUDIA ROZPOCZYNAJĄC SIĘ ROKU AKADMICKIM 2015/16 Rok I Zajęcia dydaktyczne obligatoryjne ybrane zagadnienia matematyki

Bardziej szczegółowo

INSTYTUT NAUK EKONOMICZNYCH I INFORMATYKI Rozkład zajęć, Semestr zimowy, Kierunek INFORMATYKA PONIEDZIAŁEK

INSTYTUT NAUK EKONOMICZNYCH I INFORMATYKI Rozkład zajęć, Semestr zimowy, Kierunek INFORMATYKA PONIEDZIAŁEK PONIEDZIAŁEK Automaty i języki formalne (W) informatycznym (W) Algebra liniowa z geometrią 1 (W) dr R. Kamocki Automaty i języki formalne Analiza matematyczna 2 (W) Analiza matematyczna 2 informatycznym

Bardziej szczegółowo

Wykład z Technologii Informacyjnych. Piotr Mika

Wykład z Technologii Informacyjnych. Piotr Mika Wykład z Technologii Informacyjnych Piotr Mika Uniwersalna forma graficznego zapisu algorytmów Schemat blokowy zbiór bloków, powiązanych ze sobą liniami zorientowanymi. Jest to rodzaj grafu, którego węzły

Bardziej szczegółowo

Aproksymacja diofantyczna

Aproksymacja diofantyczna Aproksymacja diofantyczna Szymon Draga Ustroń, 4 listopada 0 r Wprowadzenie Jak wiadomo, każdą liczbę niewymierną można (z dowolną dokładnością) aproksymować liczbami wymiernymi Powstaje pytanie, w jaki

Bardziej szczegółowo

[1] [2] [3] [4] [5] [6] Wiedza

[1] [2] [3] [4] [5] [6] Wiedza 3) Efekty dla studiów drugiego stopnia - profil ogólnoakademicki na kierunku Informatyka w języku angielskim (Computer Science) na specjalności Sztuczna inteligencja (Artificial Intelligence) na Wydziale

Bardziej szczegółowo

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia Wydział: Informatyki, Elektroniki i Telekomunikacji Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 2016/2017 Język wykładowy: Polski Semestr 1 IIN-1-103-s

Bardziej szczegółowo

Technologie Informacyjne

Technologie Informacyjne POLITECHNIKA KRAKOWSKA - WIEiK - KATEDRA AUTOMATYKI Technologie Informacyjne www.pk.edu.pl/~zk/ti_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 3: Wprowadzenie do algorytmów i ich

Bardziej szczegółowo

Załącznik 2. Symbol efektu obszarowego. Kierunkowe efekty uczenia się (wiedza, umiejętności, kompetencje) dla całego programu kształcenia

Załącznik 2. Symbol efektu obszarowego. Kierunkowe efekty uczenia się (wiedza, umiejętności, kompetencje) dla całego programu kształcenia Załącznik 2 Opis kierunkowych efektów kształcenia w odniesieniu do efektów w obszarze kształcenia nauk ścisłych profil ogólnoakademicki Kierunek informatyka, II stopień, tryb niestacjonarny. Oznaczenia

Bardziej szczegółowo

Opis efektów kształcenia dla modułu zajęć

Opis efektów kształcenia dla modułu zajęć Nazwa modułu: Formalne podstawy informatyki Rok akademicki: 2013/2014 Kod: EIB-1-220-s Punkty ECTS: 2 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Inżynieria Biomedyczna

Bardziej szczegółowo

Algorytmy, reprezentacja algorytmów.

Algorytmy, reprezentacja algorytmów. Algorytmy, reprezentacja algorytmów. Wprowadzenie do algorytmów Najważniejszym pojęciem algorytmiki jest algorytm (ang. algorithm). Nazwa pochodzi od nazwiska perskiego astronoma, astrologa, matematyka

Bardziej szczegółowo

Załącznik 2. Symbol efektu obszarowego. Kierunkowe efekty uczenia się (wiedza, umiejętności, kompetencje) dla całego programu kształcenia

Załącznik 2. Symbol efektu obszarowego. Kierunkowe efekty uczenia się (wiedza, umiejętności, kompetencje) dla całego programu kształcenia Załącznik 2 Opis kierunkowych efektów kształcenia w odniesieniu do efektów w obszarze kształcenia nauk ścisłych profil ogólnoakademicki Kierunek informatyka, II stopień. Oznaczenia efektów obszarowych

Bardziej szczegółowo

Kierunek: Informatyka rev rev jrn Stacjonarny 1 / 6

Kierunek: Informatyka rev rev jrn Stacjonarny 1 / 6 Wydział Informatyki i Komunikacji Wizualnej Kierunek: Informatyka Studia pierwszego stopnia - inżynierskie tryb: stacjonarne rok rozpoczęcia: 2018/2019 A. Moduły międzykierunkowe obligatoryjne Moduł ogólny

Bardziej szczegółowo

Kierunek: Informatyka rev rev jrn Niestacjonarny 1 / 5

Kierunek: Informatyka rev rev jrn Niestacjonarny 1 / 5 Wydział Informatyki i Komunikacji Wizualnej Kierunek: Informatyka Studia pierwszego stopnia - inżynierskie tryb: niestacjonarne rok rozpoczęcia 2018/2019 A. Moduły międzykierunkowe obligatoryjne Moduł

Bardziej szczegółowo

Efektywność Procedur Obliczeniowych. wykład 5

Efektywność Procedur Obliczeniowych. wykład 5 Efektywność Procedur Obliczeniowych wykład 5 Modele procesu obliczeń (8) Jedno-, wielotaśmowa MT oraz maszyna RAM są równoważne w przypadku, jeśli dany problem jest rozwiązywany przez jeden model w czasie

Bardziej szczegółowo

REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH

REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH Transport, studia I stopnia rok akademicki 2012/2013 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Adam Wosatko Ewa Pabisek Pojęcie

Bardziej szczegółowo

Algorytm. Algorytmy Marek Pudełko

Algorytm. Algorytmy Marek Pudełko Algorytm Algorytmy Marek Pudełko Definicja Algorytm to skończony, uporządkowany ciąg jasno zdefiniowanych czynności, koniecznych do wykonania pewnego zadania. Algorytm ma przeprowadzić system z pewnego

Bardziej szczegółowo

Kierunek: Informatyka Stosowana Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. audytoryjne. Wykład Ćwiczenia

Kierunek: Informatyka Stosowana Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. audytoryjne. Wykład Ćwiczenia Wydział: Geologii, Geofizyki i Ochrony Środowiska Kierunek: Informatyka Stosowana Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 2018/2019 Język wykładowy: Polski Semestr 1

Bardziej szczegółowo

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott Struktury danych i złożoność obliczeniowa Wykład 5 Prof. dr hab. inż. Jan Magott DMT rozwiązuje problem decyzyjny π przy kodowaniu e w co najwyżej wielomianowym czasie, jeśli dla wszystkich łańcuchów wejściowych

Bardziej szczegółowo

Sławomir Kulesza. Projektowanie automatów synchronicznych

Sławomir Kulesza. Projektowanie automatów synchronicznych Sławomir Kulesza Technika cyfrowa Projektowanie automatów synchronicznych Wykład dla studentów III roku Informatyki Wersja 2.0, 20/12/2012 Automaty skończone Automat Mealy'ego Funkcja wyjść: Yt = f(st,

Bardziej szczegółowo

Instytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy internetowe, SI studia niestacjonarne Dla rocznika:

Instytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy internetowe, SI studia niestacjonarne Dla rocznika: Instytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy internetowe, SI studia niestacjonarne Dla rocznika: Rok I, semestr I (zimowy) 1 Etykieta w życiu publicznym wykład 15

Bardziej szczegółowo

Zadanie 1. (6 punktów) Słowo w nazwiemy anagramem słowa v jeśli w można otrzymać z v poprzez zamianę kolejności liter. Niech

Zadanie 1. (6 punktów) Słowo w nazwiemy anagramem słowa v jeśli w można otrzymać z v poprzez zamianę kolejności liter. Niech Zadanie 1. (6 punktów) Słowo w nazwiemy anagramem słowa v jeśli w można otrzymać z v poprzez zamianę kolejności liter. Niech anagram(l) = {w : w jest anagaramem v dla pewnego v L}. (a) Czy jeśli L jest

Bardziej szczegółowo

Instytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy internetowe, SI studia stacjonarne Dla rocznika: 2018/2019

Instytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy internetowe, SI studia stacjonarne Dla rocznika: 2018/2019 Instytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy internetowe, SI studia stacjonarne Dla rocznika: 2018/2019 Rok I, semestr I (zimowy) 1 Etykieta w życiu publicznym wykład

Bardziej szczegółowo

Struktura danych. Sposób uporządkowania informacji w komputerze.

Struktura danych. Sposób uporządkowania informacji w komputerze. Struktura danych Sposób uporządkowania informacji w komputerze. Algorytm Skończony, uporządkowany ciąg jasno zdefiniowanych czynności, koniecznych do wykonania pewnego zadania. Al-Khwarizmi perski matematyk

Bardziej szczegółowo

Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa

Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa :Informatyka- - inż., rok I specjalność: Grafika komputerowa Metody uczenia się i studiowania. 1 Podstawy prawne. 1 Podstawy ekonomii. 1 Matematyka dyskretna. 1 Wprowadzenie do informatyki. 1 Podstawy

Bardziej szczegółowo

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 2016/2017 Język wykładowy:

Bardziej szczegółowo

Lista 1 (elementy logiki)

Lista 1 (elementy logiki) Podstawy nauczania matematyki 1. Zdanie Lista 1 (elementy logiki) EE I rok W logice zdaniem logicznym nazywamy wyrażenie oznajmujące o którym można powiedzieć że jest prawdziwe lub fałszywe. Zdania z reguły

Bardziej szczegółowo

Podstawy Programowania

Podstawy Programowania Podstawy Programowania Wykład X Złożoność obliczeniowa Robert Muszyński ZPCiR ICT PWr Zagadnienia: efektywność programów/algorytmów, sposoby zwiększania efektywności algorytmów, zasada 80 20, ocena efektywności

Bardziej szczegółowo

REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH

REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Adam Wosatko Ewa Pabisek Reprezentacja

Bardziej szczegółowo

Podstawy Programowania. Złożoność obliczeniowa

Podstawy Programowania. Złożoność obliczeniowa Podstawy Programowania Wykład X Złożoność obliczeniowa Robert Muszyński Katedra Cybernetyki i Robotyki, PWr Zagadnienia: efektywność programów/algorytmów, sposoby zwiększania efektywności algorytmów, zasada

Bardziej szczegółowo

Zakładane efekty kształcenia dla kierunku Wydział Telekomunikacji, Informatyki i Elektrotechniki

Zakładane efekty kształcenia dla kierunku Wydział Telekomunikacji, Informatyki i Elektrotechniki Jednostka prowadząca kierunek studiów Nazwa kierunku studiów Specjalności Obszar kształcenia Profil kształcenia Poziom kształcenia Forma kształcenia Tytuł zawodowy uzyskiwany przez absolwenta Dziedziny

Bardziej szczegółowo

Efekt kształcenia. Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie algorytmów i ich złożoności obliczeniowej.

Efekt kształcenia. Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie algorytmów i ich złożoności obliczeniowej. Efekty dla studiów pierwszego stopnia profil ogólnoakademicki na kierunku Informatyka w języku polskim i w języku angielskim (Computer Science) na Wydziale Matematyki i Nauk Informacyjnych, gdzie: * Odniesienie-

Bardziej szczegółowo

Wstęp do kognitywistyki

Wstęp do kognitywistyki Wstęp do kognitywistyki Wykład I: Kognitywistyka z lotu ptaka Piotr Konderak konsultacje: poniedziałki, 11:10-12:40, p. 205 Strona przedmiotu: http://konderak.eu/wkg10.html W historii intelektualnej wszystko

Bardziej szczegółowo