Potęga modeli agentowych
|
|
- Izabela Szymańska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Potęga modeli agentowych Katarzyna Sznajd-Weron Katedra UNESCO Studiów Interdyscyplinarnych Seminarium S 3, 7 maja 2013
2 Aperitif (2006) Physicists pretend not only to know everything, but also to know everything better. This applies in particular to computational statistical physicists like US. D. Stauffer, doktorat honoris causa Uniwersytet de Liege, (c) 2013 Katarzyna Sznajd-Weron 2
3 Plan wykładu Co to jest model agentowy? Historia modeli agentowych przez pryzmat: Oficjalne początki czyli automaty komórkowe Co na to Fizyk? Model segregacji przestrzennej Model upowszechniania kultury Ptaki, ryby i boidy Jak, kiedy i po co używać modeli agentowych? Okiem Ekonomistów Okiem Fizyka Okiem Ekologów (c) 2013 Katarzyna Sznajd-Weron 3
4 Model Agentowy Agent-based model (Multi-agent system/simulation, Individual-based models, Microscopic models) Modele komputerowe (koniecznie?) Symulacja zachowań i oddziaływań autonomicznych jednostek Poziom mikro poziom makro Układ złożony (emergencja) (c) 2013 Katarzyna Sznajd-Weron 4
5 Gdzie stosowane są ABM Fizyka statystyczna, Chemia Ekologia, Ewolucja biologiczna Urbanistyka, Ergonomia ruch uliczny, ruch pieszych (ewakuacja) Nauki społeczne (opinie, kultura, język) Marketing (Dyfuzja innowacji) Rozrywka (gry komp., filmy) (c) 2013 Katarzyna Sznajd-Weron 5
6 Popularność ABM wg. WoS (c) 2013 Katarzyna Sznajd-Weron 6 Źródło: M. Niazi, A. Hussain, Agent-based computing from multi-agent systems to agent-based models: a visual survey, Scientometrics (2011) 89:
7 Gdzie stosowane są ABM TOP 10 Computer Science Ecology Engineering Social Sciences Biology Environmental Sciences Mathematics Environmental Studies Operations Research & Management Science Fisheries (c) 2013 Katarzyna Sznajd-Weron 7 Źródło: M. Niazi, A. Hussain, Agent-based computing from multi-agent systems to agent-based models: a visual survey, Scientometrics (2011) 89:
8 Oficjalna historia ABM Koniec lat 40-tych John von Neuman maszyna z mechanizmem samopowielania Sugestia Ulama 1952 dyskretny układ komórek dyskretne stany ewoluujące w dyskretnych odstępach czasu 29 Stanisław Ulam John von Neuman (c) 2013 Katarzyna Sznajd-Weron 8
9 Gra w życie John H. Conway (koniec lat 60-tych) dwa stany sieć kwadratowa sąsiedztwo Moore a reguła klasyczna komórka martwa, ożywa w jeśli jej 3 sąsiedzi są żywi komórka żywa umiera jeśli ma mniej niż 2 lub więcej niż 3 żywych sąsiadów (c) 2013 Katarzyna Sznajd-Weron 9
10 Co się może wydarzyć? (c) 2013 Katarzyna Sznajd-Weron 10
11 Historia ABM okiem fizyka 1920 Lenz model mikro 1925 rozprawa doktorska Ernsta Isinga (1D) przejście fazowe w 2D modelu Skala mikro tłumaczy makro Emergencja przejście fazowe eksperyment Nie potrzebny komputer? Jak to wygląda? Model Lenza - Isinga (c) 2013 Katarzyna Sznajd-Weron 11
12 Model Isinga 1925 rozprawa doktorska Ernsta Isinga ucznia Lenza: rozwiązanie 1D modelu Brak przejścia fazowego w 1D Jedyna praca Isinga najczęściej cytowane nazwisko w fizyce statystycznej Przejście fazowe w 2D (lata czterdzieste) Skala mikro tłumaczy zachowania makro Jak to wygląda? (c) 2013 Katarzyna Sznajd-Weron 12
13 Model Schellinga (1971) Schelling, T.C. Dynamic Models of Segregation, Journal of Math. Sociology 1: (1971) Agenci mogą być tylko dwóch typów Agent jest nieszczęśliwy jeżeli ma w otoczeniu liczbę obcych > T (tolerancja) Nieszczęśliwy agent jest przesuwany (c) 2013 Katarzyna Sznajd-Weron 13
14 Model Axelroda (1997) Axelrod, R., 1997, J. Conflict Resolut. 41, 203 Nauki społeczne asymilacja kulturowa: Wpływ społeczny: upodabniamy się do innych Homofilia: lubimy podobnych do siebie Jak zbudować model? Środowisko Agenci Oddziaływania Osobniki w węzłach regularnej sieci (c) 2013 Katarzyna Sznajd-Weron 14
15 Model Axelroda Osobnik ma F cech kulturowych σ f Agent = σ 1, σ 2,, σ F, σ f = 0,, q 1 Wybieramy agenta i oraz jednego z jego sąsiadów j Liczymy podobieństwo agentów w ij = 5/8 w ij = 1 F δ σ f (i)σ f (j) f cecha nr f i-tego agenta cecha nr f j-tego agenta Oddziaływanie tylko taka sama cecha Więcej cech takich samych większe podobieństwo (c) 2013 Katarzyna Sznajd-Weron 15
16 Model Axelroda Oddziaływania: Z prawd. w ij agent j oddziałuje z i (homofilia) Jedna z cech agenta j taka, że σ f j σ f (i) zostaje zmieniona, tzn. σ f j = σ f (i) (wpływ społeczny) Założenia modelu zgodne z teorią społeczną: Częściej oddziałują podobni do siebie Odziaływania upodabniają do siebie agentów Czego możemy się spodziewać? Zaskoczenie? q < q c asymilacja kulturowa q > q c różnorodność kulturowa w ij = 5/8 (c) 2013 Katarzyna Sznajd-Weron 16
17 Craig Reynolds, 1986 Model skoordynowanego ruchu zwierząt: stada ptaków (bird flocks) ławic ryb (fish schools) Boid: współrzędne (x, y), prędkości (v x, v y ), + Podstawowy model: Separacja: zachowanie bezpiecznej odległości od sąsiadów Wyrównanie: dopasowanie prędkości i kierunku lotu do sąsiadów Spójność : kierowanie się do środka grupy sąsiednich boidów (c) 2013 Katarzyna Sznajd-Weron 17
18 Kiedy i jak użyć ABM? (c) 2013 Katarzyna Sznajd-Weron 18
19 Kiedy użyć ABM wg. Randa i Rusta? Nie dla układów złożonych z małej liczby elementów Lokalne i potencjalnie złożone oddziaływania Niejednorodność agenci mogą być różnych typów Różnorodne topologie środowiska Interesuje nas dynamika Procesy adaptacyjne Wg. Fizyka: Jak? modele fenomenologiczne Dlaczego? modele mikroskopowe (c) 2013 Katarzyna Sznajd-Weron 19
20 ABM okiem Fizyka Układy złożone z dużej liczby elementów Oddziaływania nie koniecznie lokalne i złożone Agenci tego samego typu mogą być interesujący Topologia jest ważna Interesujące również wtedy gdy interesują nas stany końcowe, nie tylko dynamika Ważne dla układów niejednorodnych ale w jakim sensie niejednorodność? (c) 2013 Katarzyna Sznajd-Weron 20
21 Modelowanie Bottom-up Jaki problem rozwiązujemy? Zbieramy istotne informacje dotyczące jednostek ludzi jeśli modelujemy grupy społeczne (psychol. społ.) Formułujemy teorie dot. ich zachowań (model) Analizujemy model: symulacja komputerowa (implementacja programu) rozwiązanie analityczne (rzadko się udaje) Obserwujemy pojawianie się na poziomie układu pewnych własności Weryfikujemy model (c) 2013 Katarzyna Sznajd-Weron 21
22 Projektowanie modelu decyzje: Cel i zakres działania modelu Agenci typy agentów, co odróżnia agentów należących do różnych typów Cechy agentów każdy będzie miał listę cech, jakie wartości tych cech, które to zmienne dynamiczne (np. czarni i biali, za i przeciw) Zachowania reguły zmieniające stany układu Środowisko (fizyczne, sieć społeczna, itp. Wielkości wejściowe i wyjściowe (Input & Output) Czas (krok czasowy) Aktualizacja układu (c) 2013 Katarzyna Sznajd-Weron 22
23 Aktualizacja układu Rysunek pochodzi z pracy: Wolfgang Radax and Bernhard Rengs, Timing matters: Lessons From The CA Literature On Updating, arxiv: v1 (2010) (c) 2013 Katarzyna Sznajd-Weron 23
24 Aktualizacja jest ważna! W W W W Sekwencyjna Synchroniczna (c) 2013 Katarzyna Sznajd-Weron 24
25 Jak weryfikować modele? Zweryfikowany model przestaje być zabawką i staje się narzędziem Co to znaczy zweryfikować? Eksperyment przywilej fizyki? Obserwacja jak to robić? (c) 2013 Katarzyna Sznajd-Weron 25
26 Jeden wzór może nie wystarczyć! Podstawowe cechy modeli Boidów: Starają się unikać zderzeń Dopasowują prędkość do sąsiadujących osobników Starają się trzymać blisko sąsiadów Zaproponowano 11 teorii dwa wzory obserwowany NND<1 długości ryby W modelach 1-9 wpływ od uśrednionego sąsiedztwa, a w wpływ od jednego losowego p = 0 0 wszystkie w tym samym kierunku p = 90 0 w losowych W rzeczywistości p 10 0,20 0 (c) 2013 Katarzyna Sznajd-Weron 26
27 Odporność na detale 9 modeli z regułą większościową dało prawie identyczne wyniki Pozostałe różnice okazały się nieistotne Odporność na nieznaczące detale siła ABM Odkrywamy najważniejszy mechanizm! (c) 2013 Katarzyna Sznajd-Weron 27
28 To co włożysz to wyjmiesz? Czym jest złożoność? Jak zrozumieć prawa Przyrody? np. Co robi gaz? skąd się bierze przejście fazowe? Nie jest łatwo zbudować model, który robi to co chcemy! (To mówi Fizyk ) Zanim zasymulujesz zapytaj Co otrzymam? (c) 2013 Katarzyna Sznajd-Weron 28
29 Pomyśl sam(a) lub w towarzystwie Jakie są największe wady modeli agentowych? Jakie są największe zalety takich modeli? Jak to wytłumaczyć innym? (c) 2013 Katarzyna Sznajd-Weron 29
Automaty komórkowe. Katarzyna Sznajd-Weron
Automaty komórkowe Katarzyna Sznajd-Weron Trochę historii CA (Cellular Automata) Koniec lat 40-tych John von Neuman maszyna z mechanizmem samopowielania Sugestia Ulama 1952 dyskretny układ komórek dyskretne
Bardziej szczegółowoUkład (fizyczny) Fizyka Systemów Złożonych (Physics of Complex Systems) Wyk 1: Wstęp
Układ (fizyczny) Fizyka Systemów Złożonych (Physics of Complex Systems) Wyk 1: Wstęp Katarzyna Sznajd Weron Wyodrębniony (realnie lub myślowo) fragment rzeczywistości Jednostka, którą będziemy się zajmować
Bardziej szczegółowoModelowanie Agentowe Układów Złożonych Wstęp. Katarzyna Sznajd-Weron
Modelowanie Agentowe Układów Złożonych Wstęp Katarzyna Sznajd-Weron Aperitif (2006) Physicists pretend not only to know everything, but also to know everything better. This applies in particular to computational
Bardziej szczegółowoWstęp do fizyki statystycznej: krytyczność i przejścia fazowe. Katarzyna Sznajd-Weron
Wstęp do fizyki statystycznej: krytyczność i przejścia fazowe Katarzyna Sznajd-Weron Co to jest fizyka statystyczna? Termodynamika poziom makroskopowy Fizyka statystyczna poziom mikroskopowy Marcin Weron
Bardziej szczegółowoRuch drogowy, korki uliczne - czy fizyk może coś na to poradzić?
Ruch drogowy, korki uliczne - czy fizyk może coś na to poradzić? KNF Migacz, Instytut Fizyki Teoretycznej, Uniwersytet Wrocławski 16-18 listopada 2007 Spis treści Spis treści 1 Spis treści 1 2 Spis treści
Bardziej szczegółowoMODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/
Bardziej szczegółowoKrytyczność, przejścia fazowe i symulacje Monte Carlo. Katarzyna Sznajd-Weron Physics of Complex System
Krytyczność, przejścia fazowe i symulacje Monte Carlo Katarzyna Sznajd-Weron Physics of Complex System Przejścia fazowe wokół nas woda faza ciekła PUNKT KRYTYCZNY Lód faza stała para faza gazowa ciągłe
Bardziej szczegółowoObliczenia inspirowane Naturą
Obliczenia inspirowane Naturą Wykład 02 Jarosław Miszczak IITiS PAN Gliwice 06/10/2016 1 / 31 Czego dowiedzieliśmy się na poprzednim wykładzie? 1... 2... 3... 2 / 31 1 2 3 3 / 31 to jeden z pierwszych
Bardziej szczegółowoModelowanie wieloskalowe. Automaty Komórkowe - podstawy
Modelowanie wieloskalowe Automaty Komórkowe - podstawy Dr hab. inż. Łukasz Madej Katedra Informatyki Stosowanej i Modelowania Wydział Inżynierii Metali i Informatyki Przemysłowej Budynek B5 p. 716 lmadej@agh.edu.pl
Bardziej szczegółowoPrzejścia fazowe w uogólnionym modelu modelu q-wyborcy na grafie zupełnym
Przejścia fazowe w uogólnionym modelu modelu q-wyborcy na grafie zupełnym Piotr Nyczka Institute of Theoretical Physics University of Wrocław Artykuły Opinion dynamics as a movement in a bistable potential
Bardziej szczegółowoUkłady otwarte, zamknięte i izolowane (termodynamiczne) Fizyka systemów złożonych wykład 1: Wstęp
Układy otwarte, zamknięte i izolowane (termodynamiczne) Fizyka systemów złożonych wykład 1: Wstęp Co tu jest stałe? Co może się zmienić? energia materia energia Katarzyna Sznajd Weron Wykład dla Inżynierii
Bardziej szczegółowoUkłady dynamiczne Chaos deterministyczny
Układy dynamiczne Chaos deterministyczny Proste iteracje odwzorowań: Funkcja liniowa Funkcja logistyczna chaos deterministyczny automaty komórkowe Ewolucja układu dynamicznego Rozwój w czasie układu dynamicznego
Bardziej szczegółowoSPB. dr Wojciech Palubicki
SPB dr Wojciech Palubicki Przekaz informacji: L-System A(0) A(1) A(2) A(x) A(x+1) Kroki symulacji Przekaz informacji: L-System A(0) A(1) A(2) A(x) A(x+1) Kroki symulacji B(z) < A(x) > B(y) A(x+z+y) Symulacja
Bardziej szczegółowooności. Zastosowanie modelowania Agent-based Computational Economics w nauczaniu zdalnym
Ekonomia złożonoz oności. Zastosowanie modelowania Agent-based Computational Economics w nauczaniu zdalnym Tomasz Kopczewski Wydział Nauk Ekonomicznych, Uniwersytet Warszawski Mikroekonomia Praktyka wykładania:
Bardziej szczegółowoObliczenia inspirowane Naturą
Obliczenia inspirowane Naturą Wykład 03 (uzupełnienie Wykładu 02) Jarosław Miszczak IITiS PAN Gliwice 31/03/2016 1 / 17 1 2 / 17 Dynamika populacji Równania Lotki-Voltery opisują model drapieżnik-ofiara.
Bardziej szczegółowoModel Isinga. Katarzyna Sznajd-Weron
Model Isinga Katarzyna Sznajd-Weron Temperatura Curie ciągłe przejście fazowe magnes ferromagnetyk Przejście fazowe Katarzyna Sznajd-Weron Ferromagnetyk T T c Paramagnetyk T > T c Jak to zrozumieć? Model
Bardziej szczegółowoPodręcznik. Model czy teoria
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 58 92 424 http://www.neuroinf.pl/members/danek/swps/ Iwo Białynicki-Birula Iwona Białynicka-Birula
Bardziej szczegółowoFizyka statystyczna i termodynamika Wykład 1: Wstęp. Katarzyna Sznajd-Weron Katedra Fizyki Teoretycznej
Fizyka statystyczna i termodynamika Wykład 1: Wstęp Katarzyna Sznajd-Weron Katedra Fizyki Teoretycznej http://www.if.pwr.wroc.pl/~katarzynaweron/ Mój plan zajęć Strona kursu Kim jestem? Prof. dr hab. Katarzyna
Bardziej szczegółowoModelowanie systemów biomedycznych
Modelowanie systemów biomedycznych - automaty komórkowe (czy jest to "nowe oblicze nauki"?) Arkadiusz Mandowski Modelowanie... R. Tadeusiewicz (2008) Modelowanie... R. Tadeusiewicz (2008) Jak rozpoznać
Bardziej szczegółowoAlgorytmy sztucznej inteligencji
www.math.uni.lodz.pl/ radmat Przeszukiwanie z ograniczeniami Zagadnienie przeszukiwania z ograniczeniami stanowi grupę problemów przeszukiwania w przestrzeni stanów, które składa się ze: 1 skończonego
Bardziej szczegółowoCo to jest model Isinga?
Co to jest model Isinga? Fakty eksperymentalne W pewnych metalach (np. Fe, Ni) następuje spontaniczne ustawianie się spinów wzdłuż pewnego kierunku, powodując powstanie makroskopowego pola magnetycznego.
Bardziej szczegółowoPSO Rój cząsteczek - Particle Swarm Optimization. Michał Szopiak
PSO Rój cząsteczek - Particle Swarm Optimization Michał Szopiak Inspiracje biologiczne Algorytm PSO wywodzą się z obserwacji gróp zwierzą tworzony przez członków ptasich stad, czy ławic ryb, który umożliwia
Bardziej szczegółowoMODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/
Bardziej szczegółowoObliczenia inspirowane Naturą
Obliczenia inspirowane Naturą Wykład 01 Od maszyn Turinga do automatów komórkowych Jarosław Miszczak IITiS PAN Gliwice 03/03/2016 1 / 16 1 2 3 Krótka historia Znaczenie 2 / 16 Czego dowiedzieliśmy się
Bardziej szczegółowoJak z ABM zrobić model analityczny? (Metoda pola średniego) Katarzyna Sznajd-Weron Physics of Complex System
Jak z ABM zrobić model analityczny? (Metoda pola średniego) Katarzyna Sznajd-Weron Physics of Complex System Plan Model dynamiki populacyjnej Pytania Model mikroskopowy Przybliżenie MFA: równania (wady
Bardziej szczegółowoModelowanie wieloskalowe. Automaty Komórkowe - podstawy
Modelowanie wieloskalowe Automaty Komórkowe - podstawy Dr hab. inż. Łukasz Madej Katedra Informatyki Stosowanej i Modelowania Wydział Inżynierii Metali i Informatyki Przemysłowej Budynek B5 p. 716 lmadej@agh.edu.pl
Bardziej szczegółowoDynamiki rynków oligopolistycznych oczami fizyka
KNF Migacz, Instytut Fizyki Teoretycznej, Uniwersytet Wrocławski 7-10 listopada 2008 1 1 2 1 2 3 1 2 3 4 Wprowadzenie reklamy 1 2 3 4 Wprowadzenie reklamy 5 1 2 3 4 Wprowadzenie reklamy 5 6 1 2 3 4 Wprowadzenie
Bardziej szczegółowoMatematyka Stosowana na Politechnice Wrocławskiej. Komitet Matematyki PAN, luty 2017 r.
Matematyka Stosowana na Politechnice Wrocławskiej Komitet Matematyki PAN, luty 2017 r. Historia kierunku Matematyka Stosowana utworzona w 2012 r. na WPPT (zespół z Centrum im. Hugona Steinhausa) studia
Bardziej szczegółowoPlan studiów - edycja
Kierunek: BIOLOGIA specjalność: Rodzaj studiów: pierwszego stopnia Forma studiów: stacjonarne Profil studiów: ogólnoakademicki Wykład Plan studiów - edycja 2015-2018 Semestr 1 Konwersatorium audytoryjne
Bardziej szczegółowoMODELOWANIE 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 szczegółowoMetody symulacji komputerowych Modelowanie systemów technicznych
Metody symulacji komputerowych Modelowanie systemów technicznych dr inż. Ryszard Myhan Katedra Inżynierii Procesów Rolniczych Program przedmiotu Lp. Temat Zakres 1. Wprowadzenie do teorii systemów Definicje
Bardziej szczegółowoMODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/
Bardziej szczegółowoPROGRAM STUDIÓW DOKTORANCKICH WYDZIAŁ Informatyki i Zarządzania DYSCYPLINA Zarządzanie I II III IV V VI VII VIII
Zał. nr 1 do ZW 11/2012 Semestr Program Przedmioty podstawowe matematyka, fizyka, PROGRAM STUDIÓW DOKTORANCKICH I II III IV V VI VII VIII Liczba godzin PP-1 30 6 chemia, lub inne PP-2 30 6 Kurs dydaktyczny
Bardziej szczegółowoOpis efektów uczenia się dla kwalifikacji na poziomie 7 Polskiej Ramy Kwalifikacji
Załącznik nr 2 do Uchwały nr 103/2018-2019 Senatu UP w Lublinie z dnia 28 czerwca 2019 r. Opis efektów uczenia się dla kierunku studiów Nazwa kierunku studiów: Biologia Poziom: studia drugiego stopnia
Bardziej szczegółowoModelowanie i Animacja
Maciej Matyka Uniwersytet Wrocławski Maciej Matyka Plan wykładu Dlaczego animujemy używając komputera? Dlaczego animujemy używając komputera? Wyciąg z minimum programowego fizyki w liceum... Kinematyka
Bardziej szczegółowoKierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne
Wydział: Matematyki Stosowanej Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne Specjalność: Matematyka w informatyce Rocznik: 2013/2014 Język wykładowy: Polski
Bardziej szczegółowoKierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne
Wydział: Matematyki Stosowanej Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne Specjalność: Matematyka ubezpieczeniowa Rocznik: 2013/2014 Język wykładowy: Polski
Bardziej szczegółowoKierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne
Wydział: Matematyki Stosowanej Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne Specjalność: Matematyka finansowa Rocznik: 2013/2014 Język wykładowy: Polski Semestr
Bardziej szczegółowoKrytyczność i przejścia fazowe. Katarzyna Sznajd-Weron
Krytyczność i przejścia fazowe Katarzyna Sznajd-Weron Temperatura Curie Temperatura Curie ciągłe przejście fazowe magnes ferromagnetyk Przejście fazowe Katarzyna Sznajd-Weron Ferromagnetyk T T c Paramagnetyk
Bardziej szczegółowoOpis kierunkowych efektów kształcenia w obszarze nauk przyrodniczych na I stopniu kierunku BIOLOGIA
Opis kierunkowych efektów kształcenia w obszarze nauk przyrodniczych na I stopniu kierunku BIOLOGIA Umiejscowienie kierunku w obszarze kształcenia Kierunek studiów BIOLOGIA o profilu ogólnoakademickim
Bardziej szczegółowoTworzenie gier na urządzenia mobilne
Katedra Inżynierii Wiedzy Wykład 11 O czym dzisiaj? labirynty, dużo labiryntów; automaty komórkowe; algorytmy do budowy labiryntów; algorytmy do szukania wyjścia z labiryntów; Blueprints i drzewa zachowań
Bardziej szczegółowoRój cząsteczek. Particle Swarm Optimization. Adam Grycner. 18 maja Instytut Informatyki Uniwersytetu Wrocławskiego
Rój cząsteczek Particle Swarm Optimization Adam Grycner Instytut Informatyki Uniwersytetu Wrocławskiego 18 maja 2011 Adam Grycner Rój cząsteczek 1 / 38 Praca Kennedy ego i Eberhart a Praca Kennedy ego
Bardziej szczegółowoSymulacyjne modele formowania opinii w sieciach społecznych
Symulacja w Badaniach i Rozwoju Vol. 2, No. 3/2011 Wojskowa Akademia Techniczna, ul. Kaliskiego 2, 00-908 Warszawa E-mail: ddzida@wat.edu.pl Symulacyjne modele formowania opinii w sieciach społecznych
Bardziej szczegółowoKierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne
Wydział: Matematyki Stosowanej Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne Specjalność: Matematyka finansowa Rocznik: 2014/2015 Język wykładowy: Polski Semestr
Bardziej szczegółowoEfektywność algorytmów
Efektywność algorytmów Algorytmika Algorytmika to dział informatyki zajmujący się poszukiwaniem, konstruowaniem i badaniem własności algorytmów, w kontekście ich przydatności do rozwiązywania problemów
Bardziej szczegółowoModelowanie i obliczenia techniczne. dr inż. Paweł Pełczyński
Modelowanie i obliczenia techniczne dr inż. Paweł Pełczyński ppelczynski@swspiz.pl Literatura Z. Fortuna, B. Macukow, J. Wąsowski: Metody numeryczne, WNT Warszawa, 2005. J. Awrejcewicz: Matematyczne modelowanie
Bardziej szczegółowoW dowolnym kwadracie 3x3 ustawiamy komórki na palące się (stan 3). Program powinien pokazywać ewolucję pożaru lasu.
1. Symulacja pożaru lasu ver. 1 Las reprezentowany jest przez macierz 100x100. W lesie występują dwa rodzaje drzew: liściaste i iglaste. Przyjmijmy, że prostokąt A(1:50,1:100) wypełniony jest drzewami
Bardziej szczegółowoA. Kowalska-Pyzalska, K. Maciejowska, P. Przybyła, K. Sznajd-Weron, R. Weron
A. Kowalska-Pyzalska, K. Maciejowska, P. Przybyła, K. Sznajd-Weron, R. Weron Institute of Organization and Management Wrocław University of Technology Model agentowy Konsument na rynku energii elektrycznej
Bardziej szczegółowoPLANY I PROGRAMY STUDIÓW
WYDZIAŁ INŻYNIERII PRODUKCJI I LOGISTYKI PLANY I PROGRAMY STUDIÓW STUDY PLANS AND PROGRAMS KIERUNEK STUDIÓW FIELD OF STUDY - ZARZĄDZANIE I INŻYNIERIA PRODUKCJI - MANAGEMENT AND PRODUCTION ENGINEERING Studia
Bardziej szczegółowoCZYM 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 szczegółowoKierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne
Wydział: Matematyki Stosowanej Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne Specjalność: Matematyka ubezpieczeniowa Rocznik: 2016/2017 Język wykładowy: Polski
Bardziej szczegółowoOpis zakładanych efektów kształcenia
Załącznik nr.. Opis zakładanych efektów kształcenia Kierunek studiów: zarządzanie i inżynieria produkcji Poziom kształcenia: studia pierwszego stopnia Tytuł zawodowy: inżynier Profil kształcenia: ogólnoakademicki
Bardziej szczegółowoDwuletnie studia indywidualne II stopnia na kierunku fizyka, specjalność Metody fizyki w ekonomii (ekonofizyka)
Dwuletnie studia indywidualne II stopnia na kierunku fizyka, specjalność Metody fizyki w ekonomii (ekonofizyka) 1. CHARAKTERYSTYKA STUDIÓW Celem kształcenia w ramach specjalności Metody fizyki w ekonomii
Bardziej szczegółowoModelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka
Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej
Bardziej szczegółowoZałącznik Nr 5 do Zarz. Nr 33/11/12 KARTA PRZEDMIOTU. 2. Kod przedmiotu ZP-Z1-19
Załącznik Nr 5 do Zarz. Nr 33/11/12 (pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: BADANIA MARKETINGOWE 3. Karta przedmiotu ważna od roku akademickiego: 2014/2015
Bardziej szczegółowoPrawdopodobieństwo geometryczne
Prawdopodobieństwo geometryczne Krzysztof Jasiński Wydział Matematyki i Informatyki UMK, Toruń V Lieceum Ogólnokształące im. Jana Pawała II w Toruniu 13.03.2014 Krzysztof Jasiński (WMiI UMK) Prawdopodobieństwo
Bardziej szczegółowoPodstawy metodologiczne symulacji
Sławomir Kulesza kulesza@matman.uwm.edu.pl Symulacje komputerowe (05) Podstawy metodologiczne symulacji Wykład dla studentów Informatyki Ostatnia zmiana: 26 marca 2015 (ver. 4.1) Spirala symulacji optymistycznie
Bardziej szczegółowoUniwersytet Śląski w Katowicach WYDZIAŁ MATEMATYKI, FIZYKI I CHEMII. Kierunek Matematyka. Studia stacjonarne i niestacjonarne I i II stopnia
Uniwersytet Śląski w Katowicach WYDZIAŁ MATEMATYKI, FIZYKI I CHEMII Kierunek Matematyka Studia stacjonarne i niestacjonarne I i II stopnia Organizacja roku akademickiego 2017/2018 Studia stacjonarne I
Bardziej szczegółowoMECHANIKA I BUDOWA MASZYN
Specjalność "Eksploatacja i diagnostyka pojazdów i maszyn" obowiązuje od 01.10.2017 r. zatwierdzony Decyzja RW 27.04.2017 r. 1. Technologie informacyjne w budowie maszyn I 2 1.2 0.8 0.8 ZAL OC O 51 31
Bardziej szczegółowoOptymalizacja. Przeszukiwanie lokalne
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Idea sąsiedztwa Definicja sąsiedztwa x S zbiór N(x) S rozwiązań, które leżą blisko rozwiązania x
Bardziej szczegółowoOpis zakładanych efektów kształcenia
Załącznik nr.. Opis zakładanych efektów kształcenia Kierunek studiów: transport i logistyka Poziom kształcenia: studia pierwszego stopnia Tytuł zawodowy: inżynier Profil kształcenia: ogólnoakademicki Symbol
Bardziej szczegółowoOpis zakładanych efektów kształcenia
Załącznik nr.. Opis zakładanych efektów kształcenia Kierunek studiów: odnawialne źródła energii i gospodarka odpadami Poziom kształcenia: studia pierwszego stopnia Tytuł zawodowy: inżynier Profil kształcenia:
Bardziej szczegółowoDwuletnie studia indywidualne II stopnia na kierunku fizyka, specjalność Matematyczne i komputerowe modelowanie procesów fizycznych
Dwuletnie studia indywidualne II stopnia na kierunku fizyka, specjalność Matematyczne i komputerowe modelowanie procesów fizycznych 1. CHARAKTERYSTYKA STUDIÓW Celem specjalności Matematyczne i komputerowe
Bardziej szczegółowoMECHANIKA I BUDOWA MASZYN
Specjalność "Eksploatacja i diagnostyka pojazdów i maszyn" obowiązuje od 01.10.2017 r. zatwierdzony Decyzja RW 27.04.2017 r. 1. Technologie informacyjne w budowie maszyn I 2 0.8 1.2 0.8 ZAL OC O 51 21
Bardziej szczegółowo8. Informatyka 9. Flora i fauna Polski 10. Geodezja i kartografia 11. Planowanie przestrzenne 12. Meteorologia i klimatologia
PLAN 3,5-LETNICH STUDIÓW PIERWSZEGO STOPNIA (INŻYNIERSKICH) STACJONARNYCH (DZIENNYCH) I NIESTACJONARNYCH (ZAOCZNYCH) NA KIERUNKU OCHRONA ŚRODOWISKA PRZEDMIOTY KSZTAŁCENIA OGÓLNEGO, PODSTAWOWE I KIERUNKOWE
Bardziej szczegółowoMODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/
Bardziej szczegółowoEfekty kształcenia dla kierunku studiów informatyka i agroinżynieria i ich odniesienie do efektów obszarowych
Załącznik do uchwały nr 376/2012 Senatu UP Efekty kształcenia dla kierunku studiów informatyka i agroinżynieria i ich odniesienie do efektów obszarowych Wydział prowadzący kierunek: Wydział Rolnictwa i
Bardziej szczegółowoProcesy stochastyczne
Wykład IV: dla łańcuchów Markowa 14 marca 2017 Wykład IV: Klasyfikacja stanów Kiedy rozkład stacjonarny jest jedyny? Przykład Macierz jednostkowa I wymiaru #E jest macierzą stochastyczną. Dla tej macierzy
Bardziej szczegółowoModelowanie i symulacja II Modelling and Simulation II. Automatyka i Robotyka II stopień ogólno akademicki studia stacjonarne
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Modelowanie i symulacja II Modelling and Simulation II A. USYTUOWANIE
Bardziej szczegółowoStochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów
Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Warszawa 14
Bardziej szczegółowoWYKŁAD 2: PSYCHOLOGIA POZNAWCZA JAKO NAUKA EKSPERYMENTALNA
WYKŁAD 2: PSYCHOLOGIA POZNAWCZA JAKO NAUKA EKSPERYMENTALNA Psychologia poznawcza dr Mateusz Hohol METODA NAUKOWA (1) problem badawczy (2) hipoteza (4) analiza danych (3) eksperyment (5) wniosek: potwierzenie
Bardziej szczegółowodr inż. Jan Staszak kierunkowy (podstawowy / kierunkowy / inny HES) obowiązkowy (obowiązkowy / nieobowiązkowy) język polski II
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoPrzegląd 4 Aerodynamika, algorytmy genetyczne, duże kroki i dynamika pozycji. Modelowanie fizyczne w animacji komputerowej Maciej Matyka
Przegląd 4 Aerodynamika, algorytmy genetyczne, duże kroki i dynamika pozycji Modelowanie fizyczne w animacji komputerowej Maciej Matyka Wykład z Modelowania przegląd 4 1. Animation Aerodynamics 2. Algorytmy
Bardziej szczegółowoRamowy Program Specjalizacji MODELOWANIE MATEMATYCZNE i KOMPUTEROWE PROCESÓW FIZYCZNYCH Studia Specjalistyczne (III etap)
Ramowy Program Specjalizacji MODELOWANIE MATEMATYCZNE i KOMPUTEROWE PROCESÓW FIZYCZNYCH Studia Specjalistyczne (III etap) Z uwagi na ogólno wydziałowy charakter specjalizacji i możliwość wykonywania prac
Bardziej szczegółowoKierunek: Zarządzanie i Inżynieria Produkcji Poziom studiów: Studia I stopnia Forma studiów: Stacjonarne. audytoryjne.
Wydział: Zarządzania Kierunek: Zarządzanie i Inżynieria Produkcji Poziom studiów: Studia I stopnia Forma studiów: Stacjonarne Rocznik: 2019/2020 Język wykładowy: Polski Semestr 1 z Moduły obowiązkowe -
Bardziej szczegółowomodelowanych zagadnie technicznych
Przegl ą d powszechnie modelowanych zagadnie ń technicznych Wykład 0 - Wprowadzenie Jarosław Rybicki 2008 Etymologia symulacji similis (łac.) - podobieństwo, podobny similo (łac.) - podobnie simulare (łac.)
Bardziej szczegółowoRecenzję wykonano na zlecenie Dziekana Wydziału Elektrycznego Politechniki Warszawskiej (pismo przewodnie z dnia r.)
Prof. dr hab. inż. Andrzej Brykaiski Katedra Zastosowań Informatyki Wydział Elektryczny Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Al. Piastów 17, 70-310 Szczecin Andrzej.Brykalski@zut.edu.pl
Bardziej szczegółowoData zajęć Klasa 1b Klasa 2b Klasa 3b Klasa 3c
24.09.2016 J. angielski Matematyka Techniczne x 7 Zarządzanie x 5 J. angielski Na 10:00 Matematyka J. angielski Matematyka Ergonomia x 5 Zagrożenia x 3 Fizyka J. angielski Matematyka Fizyka J. angielski
Bardziej szczegółowodr inż. Jan Staszak kierunkowy (podstawowy / kierunkowy / inny HES) obowiązkowy (obowiązkowy / nieobowiązkowy) język polski II
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoAlgorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych
Algorytm Genetyczny zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych Dlaczego Algorytmy Inspirowane Naturą? Rozwój nowych technologii: złożone problemy obliczeniowe w
Bardziej szczegółowoHierarchical Cont-Bouchaud model
Hierarchical Cont-Bouchaud model inż. Robert Paluch dr inż. Krzysztof Suchecki prof. dr hab. inż. Janusz Hołyst Pracownia Fizyki w Ekonomii i Naukach Społecznych Wydział Fizyki Politechniki Warszawskiej
Bardziej szczegółowoSprzężenia na rynku edukacyjnym próba weryfikacji symulacyjnej
Sprzężenia na rynku edukacyjnym próba weryfikacji symulacyjnej Tomasz Kuszewski, Tomasz Szapiro, Przemysław Szufel, Beata Koń, Grzegorz Michalski Warszawa, 18 maja 2015 r. Złożoność i heterogeniczność
Bardziej szczegółowoPlan studiów - edycja
Kierunek: BIOLOGIA Rodzaj studiów: pierwszego stopnia Forma studiów: niestacjonarne Profil studiów: ogólnoakademicki Plan studiów - edycja 2015-2018 Semestr 1 Ćw. audytoryjne Ćw. laboratoryjne Ćw. Warsztatowe
Bardziej szczegółowoWprowadzenie 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 szczegółowoModelowanie Wieloskalowe. Automaty Komórkowe w Inżynierii Materiałowej
Modelowanie Wieloskalowe Automaty Komórkowe w Inżynierii Materiałowej Dr inż. Łukasz Madej Katedra Informatyki Stosowanej i Modelowania Wydział Inżynierii Metali i Informatyki Przemysłowej Budynek B5 p.
Bardziej szczegółowoPROGRAM NIESTACJONARNYCH STUDIÓW I STOPNIA (INŻYNIERSKICH) KIERUNEK ZARZĄDZANIE INŻYNIERSKIE
1 MATEMATYKA I A E 6 6 32 16 16 2 2 2 PODSTAWY ZARZĄDZANIA I A E 4 4 32 16 16 2 2 3 PODSTAWY ZARZĄDZANIA II A E 4 4 32 16 16 2 2 4 WPROWADZENIE DO MIKRO I MAKROEKONOMII A Z 3 3 16 16 2 5 MATEMATYKA II
Bardziej szczegółowoKierunek: Budownictwo Poziom studiów: Studia I stopnia Forma i tryb studiów: Niestacjonarne. Wykład Ćwiczenia
Wydział: Górnictwa i Geoinżynierii Kierunek: Budownictwo Poziom studiów: Studia I stopnia Forma i tryb studiów: Niestacjonarne Rocznik: 2017/2018 Język wykładowy: Polski Semestr 1 GBG-1-101-n Geometria
Bardziej szczegółowoKierunek: Rewitalizacja Terenów Zdegradowanych Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. audytoryjne.
Wydział: Górnictwa i Geoinżynierii Kierunek: Rewitalizacja Terenów Zdegradowanych Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 2018/201 Język wykładowy: Semestr 1 GRT-1-101-s
Bardziej szczegółowoKierunek: Budownictwo Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia
Wydział: Górnictwa i Geoinżynierii Kierunek: Budownictwo Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 2017/2018 Język wykładowy: Polski Semestr 1 GBG-1-104-s Geologia 30
Bardziej szczegółowoZORIENTOWANA OBSZAROWO MATRYCA EFEKTÓW KSZTAŁCENIA (EK0) W ODNIESIENIU DO MODUŁÓW KSZTAŁCENIA [PRZEDMIOTÓW] NAUK ŚCISŁYCH
ZORIENTOWANA OBSZAROWO MATRYCA EFEKTÓW KSZTAŁCENIA (EK0) W ODNIESIENIU DO MODUŁÓW KSZTAŁCENIA [PRZEDMIOTÓW] Nazwa Wydziału: Wydział Inżynierii Nazwa kierunku studiów: chemia kosmetyczna Poziom kształcenia:
Bardziej szczegółowookreślone Uchwałą Senatu Uniwersytetu Kazimierza Wielkiego Nr 156/2012/2013 z dnia 25 września 2013 r.
Załącznik Nr 5.1 do Uchwały Nr 156/2012/2013 Senatu UKW z dnia 25 września 2013 r. EFEKTY KSZTAŁCENIA określone Uchwałą Senatu Uniwersytetu Kazimierza Wielkiego Nr 156/2012/2013 z dnia 25 września 2013
Bardziej szczegółowoWIEDZA. Ma podstawową wiedzę niezbędną do rozumienia ekonomicznych i innych pozatechnicznych uwarunkowań działalności inżynierskiej.
Efekty kształcenia dla kierunku: LOGISTYKA Wydział: ORGANIZACJI I ZARZĄDZANIA nazwa kierunku studiów: Logistyka poziom kształcenia: studia I stopnia profil kształcenia: ogólnoakademicki symbol K1A_W01
Bardziej szczegółowoPLAN STUDIÓW. efekty kształcenia
WYDZIAŁ: KIERUNEK: poziom kształcenia: profil: forma studiów: Lp. O/F Semestr 1 kod modułu/ przedmiotu* 1 O PG_00037350 GRAFIKA INŻYNIERSKA 2 O PG_00037455 TECHNOLOGIE INFORMATYCZNE 3 O PG_00037367 BHiP
Bardziej szczegółowoAlgorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań
Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań Anna Manerowska, Michal Kozakiewicz 2.12.2009 1 Wstęp Jako projekt na przedmiot MEUM (Metody Ewolucyjne Uczenia Maszyn)
Bardziej szczegółowoKierunek: Budownictwo Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. audytoryjne. Wykład Ćwiczenia
Wydział: Górnictwa i Geoinżynierii Kierunek: Budownictwo Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 2018/2019 Język wykładowy: Polski Semestr 1 GBG-1-104-s Geologia 30
Bardziej szczegółowoWydział Inżynierii Produkcji i Logistyki Faculty of Production Engineering and Logistics
Wydział Inżynierii Produkcji i Logistyki Faculty of Production Engineering and Logistics Plan studiów niestacjonarnych I stopnia (inżynierskich) na kierunku ZARZĄDZANIE I INŻYNIERIA PRODUKCJI MANAGEMENT
Bardziej szczegółowoVoter model on Sierpiński fractals Model głosujący na fraktalach Sierpińskiego
Voter model on Sierpiński fractals Model głosujący na fraktalach Sierpińskiego Krzysztof Suchecki Janusz A. Hołyst Wydział Fizyki Politechniki Warszawskiej Plan Model głosujący : definicja i własności
Bardziej szczegółowo3. Plan studiów PLAN STUDIÓW. Faculty of Fundamental Problems of Technology Field of study: MATHEMATICS
148 3. Plan studiów PLAN STUDIÓW 3.1. MATEMATYKA 3.1. MATHEMATICS - MSc studies - dzienne studia magisterskie - day studies WYDZIAŁ: PPT KIERUNEK: MATEMATYKA SPECJALNOŚCI: Faculty of Fundamental Problems
Bardziej szczegółowoODWZOROWANIE RZECZYWISTOŚCI
ODWZOROWANIE RZECZYWISTOŚCI RZECZYWISTOŚĆ RZECZYWISTOŚĆ OBIEKTYWNA Ocena subiektywna OPIS RZECZYWISTOŚCI Odwzorowanie rzeczywistości zależy w dużej mierze od możliwości i nastawienia człowieka do otoczenia
Bardziej szczegółowoE-E-A-1008-s5 Komputerowa Symulacja Układów Nazwa modułu. Dynamicznych. Elektrotechnika I stopień Ogólno akademicki. Przedmiot kierunkowy
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu E-E-A-1008-s5 Komputerowa Symulacja Układów Nazwa modułu Dynamicznych Nazwa modułu w języku
Bardziej szczegółowo