PODSTAWY INFORMATYKI wykład 13.
|
|
- Joanna Paulina Bielecka
- 6 lat temu
- Przeglądów:
Transkrypt
1 PODSTAWY INFORMATYKI wykład 13. Adrian Horzyk Web: Google: Adrian Horzyk Gabinet: paw. D13 p. 325 Akademia Górniczo-Hutniacza w Krakowie WEAIiE, Katedra Automatyki Mickiewicza Av. 30, Cracow, Poland
2 Inteligencja i informatyka Jaką pełni rolę inteligencja w informatyce? Jakby Państwo zdefiniowali inteligencję? Czego oczekuje człowiek od inteligentnej maszyny? Czy maszyny mogą mieć sztuczną świadomość? Czy maszyny będą w stanie same myśleć w przyszłości? Wykład 13. Strona 2.
3 Inteligencja róŝne definicje Inteligencja - rozumiana jako sprawność umysłowa ma wiele odcieni znaczeniowych i co za tym idzie ma wiele różnych definicji. Oto niektóre z nich: Inteligencja to konstrukt teoretyczny odnoszący się do względnie stałych warunków wewnętrznych człowieka, determinujących efektywność działań, wymagających procesów poznawczych. Warunki te kształtują się w wyniku interakcji genotypu, środowiska i własnej aktywności człowieka. (Strelau) Inteligencja to ogólna zdolność adaptacji do nowych warunków i wykonywania nowych zadań (Stern) Inteligencja to właściwość psychiczna, która przejawia się we względnie stałej, charakterystycznej dla jednostki efektywności wykonywania zadań (Tiepłow) Inteligencja to zdolność rozwiązywania problemów (Piaget) Inteligencja to dostrzeganie zależności, relacji (Spearman) Inteligencja to zdolność uczenia się (G. Ferguson) Inteligencja to zdolność do aktywnego przetwarzania informacji, przekształcania ich z jednej formy w inną poprzez operacje logiczne - w tym sensie inteligentne są komputery, a nawet zwykłe kalkulatory. Wykład 13. Strona 3.
4 Inteligencja róŝne definicje Inteligencja to zdolność do aktywnego przetwarzania informacji w celu lepszego przystosowywania się do zmiennego środowiska. Tak rozumianej inteligencji nie posiadają komputery (bo nie przetwarzają informacji na własne potrzeby) ale posiadają ją zwierzęta, np. owady. Taką inteligencją wykazywałaby się maszyna, która np. w lesie albo na ulicy potrafiłaby samodzielnie przetrwać i zdobywać źródła energii. Inteligencja to zdolność do przetwarzania informacji na poziomie abstrakcyjnych idei (np. umiejętność dokonywania obliczeń matematycznych lub gry w szachy). Taką inteligencję również posiadają komputery (sztuczna inteligencja). Inteligencja to zdolność do twórczego, a nie tylko mechanicznego przetwarzania informacji, czyli tworzenia zupełnie nowych pojęć i ich nieoczekiwanych połączeń. Tę umiejętność wykorzystują, a być może posiadają tylko niektórzy ludzie. Inteligencja to zespół zdolności umysłowych umożliwiających jednostce sprawne korzystanie z nabytej wiedzy oraz skuteczne zachowanie się wobec nowych zadań i sytuacji. Wykład 13. Strona 4.
5 Inteligencja, jej potrzeby i wpływ inteligencji na osobowość Inteligencja to sprawność umysłu pozwalająca na budowanie i weryfikowanie modelu świata poprzez dostrzeganie, rozróżnianie i rozpoznawanie zależności (relacji) pomiędzy obiektami i działaniami oraz wnioskowanie i wykorzystywanie tak skonstruowanej wiedzy do uczenia się i poprawiania interakcji i dopasowywania zależności pomiędzy różnymi obiektami oraz podnoszeniem efektywności działań poprzez przyspieszanie poziomu rozpoznawania i kojarzenia, a na ich podstawie stawiania pytań i tworzenia rozwiązań (tj. sekwencji i grafów skojarzeń) dla egzystencjalnie istotnych problemów i potrzeb poprzez ich ocenianie, segregowanie i wartościowanie sytuacji i reagowanie na nie wg skali (stopnia intensywności potrzeb) i kolejności ich istotności. (AH) Inteligencja pozwala świadomie modyfikować własne działania, wykorzystywać programy osobowości, ale i postępować niezależnie od nich. Wysoka inteligencja daje dużą samoświadomość działania oraz świadomość interakcji pomiędzy obiektami i działaniami umożliwiając podejmowanie mądrych decyzji oraz efektywne i skuteczne zmierzanie do wyznaczonego celu. Inteligencję można rozwijać w ramach dostępnej infrastruktury i potencjału mózgu, które są uzależnione genetycznie, ale ma na nie wpływ również fizyczna i umysłowa jakość życia danego osobnika. Inteligencja różnych osobników jest różna. Interakcja z osobnikami o wysokiej inteligencji pozwala rozwijać własną. Inteligencja wywołuje potrzebę aktywnego tworzenia skojarzeń oraz ich uczenia się i uzupełniania Wykład 13. Strona 5.
6 Inteligencja a osobowość Gdzie kończy się wpływ osobowości i gdzie zaczyna się wpływ inteligencji? Jakie działania wynikają z osobowości a jakie z inteligencji? Czy inteligencja wzmacnia lub kooperuje z osobowością i jej potrzebami? Działania wynikające z osobowości to proste odruchy warunkowe, które można z łatwością rozpoznawać, obserwować i wykorzystywać do sterowania rozmową i negocjacjami. Odruchy te są dziedziczne, niewyuczone, naturalne dla danego człowieka, decydują o tym, co dany człowiek lubi i co mu sprawia przyjemność, a co wręcz odwrotnie. Odruchy osobowości mogą być kontrolowane i modyfikowane przez inteligencję! Działania wynikające z inteligencji to mniej lub bardziej skomplikowane działania uwarunkowane poprzez zespół różnych bodźców, wartości, które są wyuczone, nabyte w trakcie życia, często są wynikiem wnioskowania, dedukcji oraz asocjacji pewnych faktów, zdarzeń lub konkluzjami z nich wynikającymi. Mogą być nawet wykonywane intuicyjnie (zdobyte poprzez pasywną naukę). Działania te nie są łatwo przewidywalne. Inteligencja może nas ochronić przed manipulacją lub wpływem osobowości (naszej lub naszego rozmówcy) na wynik negocjacji. Inteligencja może sprawić, iż zrobimy coś, co nam nie sprawia przyjemności i jest sprzeczne z naszymi programami osobowości. Wykład 13. Strona 6.
7 Potrzeby duchowe i inteligencji Podstawowa potrzeba duchowe to potrzeba czynienia i dążenia do dobra lub zła. Można wyróżnić też wiele wtórnych potrzeb duchowych, tj. potrzeba ofiarowania lub potrzeba poświęcenia pewnych zasobów (np. czasu, pracy, dóbr, myśli, pamięci, środków a czasami nawet największego dobra życia), którymi dysponujemy, dla większego dobra lub zła (w zależności od orientacji duchowej) celem osiągnięcia większych wartości duchowych. Inteligencja i jej potrzeby związane są przede wszystkim z aktywnym tworzeniem i szybkim odszukiwaniem skojarzeń oraz ciągu skojarzeń. Procesem wspomagającym tworzenie skojarzeń i ich odpowiednim wzmacnianiem, które przyspiesza ich odnajdywanie (kojarzenie), jest proces nauki. W pamięci asocjacyjno-sekwencyjnej (jaką jest nasz mózg) zapamiętywane są pewne wyuczone (pasywnie lub aktywnie) skojarzenia, które są wzajemnie powiązane ze sobą sekwencyjnie tak, iż jedne skojarzenia wywołują następne w zależności od kontekstu wielu równolegle w pamięci aktywowanych skojarzeń (tworzących kontekst odpowiedniej aktywacji neuronów). W sekwencjach skojarzeń tworzonych w naszym mózgu istnieje równoległość oraz cykliczność, dlatego iż sieć neuronów i ich połączeń w naszym mózgu jest swoistym grafem równolegle pobudzającym swoje wierzchołki (neurony) poprzez krawędzie (aksony i dendryty poprzez synapsy). Wykład 13. Strona 7.
8 Wpływ inteligencji na osobowość oraz jej potrzeby Inteligencja w zasadniczy sposób może wpływać na odruchowe reakcje osobowości człowieka modyfikując je niezależnie od niej. Dzięki możliwości kojarzenia (dostarczanej przez hardware inteligencji) człowiek uświadamia sobie pewien ciąg przyczynowo-skutkowy zdarzeń, który umożliwia mu przewidywać, co się stanie w pewnych sytuacjach. Możliwość przewidzenia pewnych zdarzeń sprawia, iż inteligentny człowiek świadomie potrafi powstrzymać naturalne reakcje odruchowe osobowości i postąpić inaczej niż wskazywałaby jego osobowość. Postępowanie niezgodne z osobowością zwykle nie przynosi takiej satysfakcji jak działania zgodne z odruchami osobowości, gdyż postępujemy tak, bo tak się opłaca lub tak trzeba lub nie opłaca mi się, bo itp. Satysfakcję z inteligentnych działań niezgodnych z osobowością można czerpać na poziomie znalezienia nowych rozwiązań (ciągu skojarzeń) czyli realizacji pewnych potrzeb inteligencji bądź też poprzez realizację pewnych potrzeb duchowych, czyli np. świadomości pomnożenia dobra. W umyśle człowieka może dochodzić do pewnego rozdwojenia wrażeń z jednej strony przyjemność duchowa a zarazem brak satysfakcji na poziomie osobowości. ajprzyjemniejsze i najbardziej satysfakcjonujące są działania zgodne z potrzebami duchowymi, inteligencji, osobowości i fizjologicznymi Wykład 13. Strona 8.
9 Sztuczna inteligencja Sztuczna inteligencja (Artificial Intelligence AI) ma dwa podstawowe znaczenia: jest to hipotetyczna inteligencja realizowana w procesie inżynieryjnym, a nie naturalnym jest to nazwa technologii i dziedzina badań naukowych informatyki na styku neurologii, psychologii, kognitywistyki, systemiki, a nawet filozofii. Głównym zadaniem badań nad sztuczną inteligencją w drugim znaczeniu jest konstruowanie maszyn i programów komputerowych zdolnych do realizacji wybranych funkcji umysłu i ludzkich zmysłów niepoddających się prostej numerycznej algorytmizacji. Problemy takie bywają nazywane AI-trudnymi i zalicza się do nich między innymi: podejmowanie decyzji w warunkach braku wszystkich danych analiza i synteza języków naturalnych rozumowanie logiczne/racjonalne, dowodzenie twierdzeń, gry logiczne, jak np. szachy czy go zarządzanie wiedzą, preferencjami i informacją w robotyce systemy eksperckie i diagnostyczne. Wykład 13. Strona 9.
10 Sztuczna inteligencja - zastosowania Technologie oparte na logice rozmytej powszechnie stosowane do np. sterowania przebiegiem procesów technologicznych w fabrykach w warunkach "braku wszystkich danych". Systemy ekspertowe czyli rozbudowane bazy danych z wszczepioną "sztuczną inteligencją" umożliwiającą zadawanie im pytań w języku naturalnym i uzyskiwanie w tym samym języku odpowiedzi. Systemy takie stosowane są już w farmacji i medycynie. Maszynowe tłumaczenie tekstów systemy takie jak SYSTRA S, jakkolwiek wciąż bardzo ułomne, robią szybkie postępy i zaczynają się nadawać do tłumaczenia tekstów technicznych. Sieci neuronowe stosowane z powodzeniem w wielu zastosowaniach łącznie z programowaniem "inteligentnych przeciwników" w grach komputerowych. Uczenie się maszyn (uczenie maszynowe) - dział sztucznej inteligencji zajmujący się algorytmami potrafiącymi uczyć się podejmować decyzje bądź nabywać wiedzę. Eksploracja danych - omawia obszary, powiązanie z potrzebami informacyjnymi, pozyskiwaniem wiedzy, stosowane techniki analizy, oczekiwane rezultaty. Wykład 13. Strona 10.
11 Sztuczna inteligencja - zastosowania Rozpoznawanie obrazów stosowane są już programy rozpoznające osoby na podstawie zdjęcia twarzy lub rozpoznające automatycznie zadane obiekty na zdjęciach satelitarnych. Rozpoznawanie mowy i rozpoznawanie mówców stosowane już powszechnie na skalę komercyjną. Rozpoznawanie pisma (OCR) stosowane już masowo np. do automatycznego sortowania listów, oraz w elektronicznych notatnikach. Sztuczna twórczość istnieją programy automatycznie generujące krótkie formy poetyckie, komponujące, aranżujące i interpretujące utwory muzyczne, które są w stanie skutecznie "zmylić" nawet profesjonalnych artystów, w sensie, że nie rozpoznają oni tych utworów jako sztucznie wygenerowanych. W ekonomii, powszechnie stosuje się systemy automatycznie oceniające m.in. zdolność kredytową, profil najlepszych klientów, czy planujące kampanie reklamowe. Systemy te poddawane są wcześniej automatycznemu uczeniu na podstawie posiadanych danych (np. klientów banku, którzy regularnie spłacali kredyt i klientów, którzy mieli z tym problemy). Wykład 13. Strona 11.
12 Sztuczna inteligencja Sztuczna inteligencja to sprawność maszyny liczącej zdolnej odwzorować i imitować inteligentne zachowania możliwie dużej ilości inteligentnych osobników. Ze względu na zasięg wykorzystywania maszyn liczących oczekuje się, że sztuczna inteligencja będzie agregowała wiele (najlepiej wszystkie) spośród sprawności umysłowych inteligentnych osobników. (AH) Mówiąc o sztucznej inteligencji intuicyjnie chcielibyśmy odbierać takie zachowania maszyny liczącej, które oddziaływałyby na jej otoczenie oraz na nas w sposób mądry oraz umożliwiający jej dostrzeganie naszych ludzkich potrzeb a nam pogłębianie własnej inteligencji. Tworzenie sztucznej inteligencji jest związane z algorytmami: budowanie modelu świata poprzez uczenie się relacji rozpoznawania i klasyfikacji kojarzenia, wnioskowania i oceny uogólniania i interpretacji budowania modelu i strategii działania Wykład 13. Strona 12.
13 Czego człowiek oczekuje od inteligentnej maszyny? Człowiek ze względu na swoje potrzeby i chęć ich zaspokajania nie oczekuje od maszyny liczącej tylko inteligencji, lecz również przejawów jej charakteru i ducha! Człowiek oczekuje od inteligentnej maszyny liczącej przede wszystkim umiejętności rozpoznawania i zaspokajania jego potrzeb. Interakcja z czystą inteligencją pozbawioną charakteru i ducha nie dostarcza człowiekowi wystarczającej satysfakcji poza satysfakcją wynikającą z poznawania i rywalizacji umysłowej. Człowiek oczekuje od maszyny odwzorowania i odzwierciedlenia jego charakteru, inteligencji i ducha wtedy jego satysfakcja z interakcji z maszyną będzie pełna i będzie ją uważał za ludzką i inteligentną. Żeby maszyna mogła oddziaływać na nas po ludzku musi być w niej zamodelowana: osobowość maszyny (najlepiej taka, żeby nie wchodziła w konflikt z osobowością człowieka) wraz z modułem określania stopnia zaspokojenia jej potrzeb i mierzenia jej satysfakcji ukierunkowującej jej działania, sztuczna inteligencja maszyny (umożliwiająca rozpoznawać potrzeby człowieka (zaspokajać je) i problemy własne maszyny pojawiające się na drodze jej uczenia się, budowy jej własnego modelu świata i jej wbudowanych potrzeb (czyli dążeń i ukierunkowania) w ramach jej możliwości interakcji ze światem oraz jej potencjału pamięciowego), ośrodek interpretacji działań (dobre i złe, przyjemne i nieprzyjemne) mogą zostać wszczepione maszynie razem z algorytmem sprawdzania zgodności (niesprzeczności modelu). Wykład 13. Strona 13.
14 Budowanie modelu świata i wiedzy o nim Każdy system sztucznej inteligencji musi być zdolny do: rozróżniania i klasyfikacji badania obiektów i relacji uczenia się odróżniania nowych obiektów i relacji zapamiętywania modelu obiektów i relacji pomiędzy nimi rozpoznawania zapamiętanych obiektów i relacji rozpoznawania podobnych obiektów i relacji oraz określanie ich bliskości do zapamiętanych obiektów wyprowadzania wniosków w ramach modelu i jego rozszerzanie kojarzenie semantyczne obiektów i relacji Wykład 13. Strona 14.
15 Budowanie modelu lingwistycznego DZIAŁA IA OBIEKT ATRYBUTY topnieć krzepnąć chłodzić studzić podgrzać gotować wrzeć nalać pić przynieść liczbowe określenie stopnia przeciwieństwa woda zawieranie ciecz klarowna czysta brudna lodowata zimna ciepła gorąca wrząca liczbowe określenie stopnia podbieństwa ANTAGONIZMY SYNONIMY Wykład 13. Strona 15.
16 Budowanie modelu lingwistycznego i sieci semantycznych Wykład 13. Strona 16.
17 Kojarzenie, wnioskowanie i ocena System sztucznej inteligencji musi umieć: oceniać i skojarzyć obiekty i relacji wg różnych kryteriów (podobieństwa synonimy, bliskoznaczne, przeciwieństwa antagonizmy, kształtu, przeznaczenia, trwałości, wartości, czasu przygotowania itp.) skojarzyć obiekty i relacje z potrzebami (systemu, ludzi) oceniać, wartościować i sortować przydatność różnych obiektów, relacji i działań w stosunku do stopnia zaspokojenia potrzeb (systemu, ludzi) wnioskować, co jest i może być potrzebne do realizacji wnioskować o koszcie, czasie realizacji zadań automatycznie (w wolnym czasie obliczeniowym) badać relacje pomiędzy obiektami i wyprowadzać wnioski rozbudowując model i stawiać sobie nowe cele poznawcze i określać nowe potrzeby zgłębienia wiedzy w takim zakresie Wykład 13. Strona 17.
18 Określanie potrzeb człowieka i systemu Żaden system sztucznej inteligencji nie będzie wyznaczenia potrzeb i celów dla tego systemu. działać bez System AI musi autonomicznie dążyć do zaspokojenia potrzeb, umieć je wartościować i sortować w zależności od stopnia ich intensywności, zagrożenia itp. Określenie potrzeb powinno być określone z uwzględnieniem potrzeb ludzkich, żeby system był w stanie rozumieć potrzeby ludzi oraz na nie reagować i dążyć do ich zaspokojenia przy uwzględnieniu różnorodności charakteru poszczególnych ludzi tak, żeby oddziaływanie systemu na człowieka dostarczało ludziom satysfakcję, a ta wpływała pozytywnie na wysoką samoocenę systemu AI. Określanie potrzeb Sortowanie potrzeb Zaspokajanie potrzeb systemu i człowieka dominacji asekuracji poznawania tworzenia Wykład 13. Strona 18.
19 Techniki modelujące sztuczną inteligencję (soft soft-computing computing) Do metod sztucznej inteligencji (soft-computing) zaliczamy: sztuczne sieci neuronowe algorytmy genetyczne i ewolucyjne logikę rozmytą liczby i zbiory niepewne teorię chaosu maszyny wektorów wspierających (SVM) drzewa decyzyjne... Sieć neuronowa (sztuczna sieć neuronowa) to ogólna nazwa struktur matematycznych i ich programowych lub sprzętowych modeli, realizujących obliczenia lub przetwarzanie sygnałów poprzez rzędy elementów, zwanych neuronami, wykonujących pewną podstawową operację na swoim wejściu. Oryginalną inspiracją takiej struktury była budowa naturalnych układów nerwowych, w szczególności mózgu. ajwiększymi zaletami sieci neuronowych jest: możliwość uczenia sieci na podstawie przykładów bez znajomości zależności i relacji pomiędzy obiektami umiejętność sieci do uogólniania wiedzy na inne przypadki poza tymi, na których była uczona. Wykład 13. Strona 19.
20 Przykład sieci neuronowych Jednym z fundamentalnych modeli neuronu jest zaproponowany w 1943 roku model McCullocha-Pittsa (ozn. MP). euron MP, będący pierwszym formalnie zdefiniowanym modelem neuronu, pomimo zastosowania bardzo dużych uproszczeń w stosunku do modelu neuronu biologicznego (a po części właśnie z tego powodu) znalazł zastosowanie w wielu modelach sieci neuronowych. Schemat neuronu MP przedstawiony jest na rysunku powyżej. eurony w sieci komunikują się ze sobą poprzez tzw. połączenia synaptyczne, których wielkość określa waga synaptyczna, nazywana w skrócie wagą. Waga połączenia neuronu neu j z neuronem neu i, oznaczana przez t ij, może mieć wartość: dodatnią,wtedy reprezentuje połączenie wzmacniające, ujemną wtedy jest połączeniem hamującym bądź zerową co oznacza brak połączenia pomiędzy neuronami. Suma przemnożonych przez wagi sygnałów docierających do neuronu neu i w jednostce czasu stanowi potencjał wejściowy (potencjał wewnętrzny) tego neuronu, oznaczany przez u i. Odpowiedź v i neuronu neu i na zadany potencjał wejściowy nazywana jest potencjałem wyjściowym (albo potencjałem zewnętrznym) tego neuronu. Charakterystykę odpowiedzi określa funkcja aktywacji, oznaczana przez g. Podstawowym układem równań opisującym działanie neuronu neu i jest w związku z tym: Wykład 13. Strona 20.
21 Literatura i bibliografia: L. Banachowski, K. Diks, W. Rytter: Algorytmy i struktury danych, WNT, Warszawa, 2001 Z. Fortuna, B. Macukow, J. Wąsowski, Metody numeryczne, WNT, Warszawa, K. Jakubczyk, Turbo Pascal i Borland C++, Wydanie II, Helion, J. i M. Jankowscy, Przegląd metod i algorytmów numerycznych, WNT, Warszawa, A. Kiełbasiński, H. Schwetlick, Numeryczna algebra liniowa, WNT, Warszawa A. Kierzkowski, Turbo Pascal. Ćwiczenia praktyczne., Helion K. Koleśnik, Wstęp do programowania z przykładami w Turbo Pascalu, Helion, M. Sysło: Elementy Informatyki. A. Szepietowski: Podstawy Informatyki. R. Tadeusiewicz, P. Moszner, A. Szydełko: Teoretyczne podstawy informatyki. W. M. Turski: Propedeutyka informatyki. N. Wirth: Wstęp do programowania systematycznego. N. Wirth: ALGORYTMY + STRUKTURY DANYCH = PROGRAMY. Wikipedia Algorytmy sortujące: Algorytmy sortujące: Wykład 13. Strona 21.
Sztuczna inteligencja
Sztuczna inteligencja Przykładowe zastosowania Piotr Fulmański Wydział Matematyki i Informatyki, Uniwersytet Łódzki, Polska 12 czerwca 2008 Plan 1 Czym jest (naturalna) inteligencja? 2 Czym jest (sztuczna)
Bardziej szczegółowoPODSTAWY INFORMATYKI wykład 10.
PODSTAWY INFORMATYKI wykład 10. Adrian Horzyk Web: http://home.agh.edu.pl/~horzyk/ E-mail: horzyk@agh.edu.pl Google: Adrian Horzyk Gabinet: paw. D13 p. 325 Akademia Górniczo-Hutniacza w Krakowie WEAIiE,
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 szczegółowoPODSTAWY INFORMATYKI wykład 5.
PODSTAWY INFORMATYKI wykład 5. Adrian Horzyk Web: http://home.agh.edu.pl/~horzyk/ E-mail: horzyk@agh.edu.pl Google: Adrian Horzyk Gabinet: paw. D13 p. 325 Akademia Górniczo-Hutnicza w Krakowie WEAIiE,
Bardziej szczegółowoSZTUCZNA 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 szczegółowoStefan 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 szczegółowoO 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 szczegółowoWIEDZA METODY INŻYNIERII WIEDZY KNOWLEDGE ENGINEERING AND DATA MINING. Adrian Horzyk. Akademia Górniczo-Hutnicza
METODY INŻYNIERII WIEDZY KNOWLEDGE ENGINEERING AND DATA MINING WIEDZA Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki
Bardziej szczegółowoSztuczna inteligencja - wprowadzenie
Sztuczna inteligencja - wprowadzenie Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Sztuczna inteligencja komputerów - wprowadzenie Kontakt: dr inż. Dariusz Banasiak, pok.
Bardziej szczegółowoO 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 szczegółowoO 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 szczegółowoMetody Sztucznej Inteligencji Methods of Artificial Intelligence. Elektrotechnika II stopień ogólno akademicki. niestacjonarne. przedmiot kierunkowy
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 szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA SYSTEMY ROZMYTE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii Biomedycznej Laboratorium
Bardziej szczegółowoPODSTAWY NEGOCJACJI wykład 7.
PODSTAWY NEGOCJACJI wykład 7. Adrian Horzyk Web: http://home.agh.edu.pl/~horzyk/ E-mail: horzyk@agh.edu.pl Google: Adrian Horzyk Gabinet: paw. D13 p. 325 Akademia Górniczo-Hutniacza w Krakowie WEAIiE,
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych, moduł kierunkowy oólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK
Bardziej szczegółowoFestiwal 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 szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: SYSTEMY INFORMATYCZNE WSPOMAGAJĄCE DIAGNOSTYKĘ MEDYCZNĄ Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj zajęć: wykład, projekt
Bardziej szczegółowoInteligentne systemy informacyjne
Inteligentne systemy informacyjne Moduł 10 Mieczysław Muraszkiewicz www.icie.com.pl/lect_pw.htm M. Muraszkiewicz strona 1 Sieci neuronowe szkic Moduł 10 M. Muraszkiewicz strona 2 Dwa nurty M. Muraszkiewicz
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD X: Sztuczny neuron
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD X: Sztuczny neuron Koneksjonizm: wprowadzenie 1943: Warren McCulloch, Walter Pitts: ogólna teoria przetwarzania informacji oparta na sieciach binarnych
Bardziej szczegółowo1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda
Sieci neuropodobne 1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN Agenda Trochę neurobiologii System nerwowy w organizmach żywych tworzą trzy
Bardziej szczegółowoWstęp do teorii sztucznej inteligencji Wykład II. Uczenie sztucznych neuronów.
Wstęp do teorii sztucznej inteligencji Wykład II Uczenie sztucznych neuronów. 1 - powtórzyć o klasyfikacji: Sieci liniowe I nieliniowe Sieci rekurencyjne Uczenie z nauczycielem lub bez Jednowarstwowe I
Bardziej szczegółowoSztuczna 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 szczegółowoNarzędzia AI. Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312. http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE)
Narzędzia AI Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312 http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE) Nauka o maszynach realizujących zadania, które wymagają inteligencji
Bardziej szczegółowoBIOCYBERNETYKA PROLOG
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej BIOCYBERNETYKA Adrian Horzyk PROLOG www.agh.edu.pl Pewnego dnia przyszedł na świat komputer Komputery
Bardziej szczegółowoKARTA MODUŁU KSZTAŁCENIA
KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Sztuczna inteligencja 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia
Bardziej szczegółowoPODSTAWY INFORMATYKI wykład 1.
PODSTAWY INFORMATYKI wykład 1. Adrian Horzyk Web: http://home.agh.edu.pl/~horzyk/ E-mail: horzyk@agh.edu.pl Google: Adrian Horzyk Gabinet: paw. D13 p. 325 Akademia Górniczo-Hutniacza w Krakowie WEAIiE,
Bardziej szczegółowoSystemy uczące się wykład 1
Systemy uczące się wykład 1 dr Przemysław Juszczuk Katedra Inżynierii Wiedzy, Uniwersytet Ekonomiczny 5 X 2018 e-mail: przemyslaw.juszczuk@ue.katowice.pl Konsultacje: na stronie katedry + na stronie domowej
Bardziej szczegółowoPROLOG WSTĘP DO INFORMATYKI. Akademia Górniczo-Hutnicza. Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej.
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej WSTĘP DO INFORMATYKI Adrian Horzyk PROLOG www.agh.edu.pl Pewnego dnia przyszedł na świat komputer Komputery
Bardziej szczegółowoPODSTAWY INFORMATYKI wykład 6.
PODSTAWY INFORMATYKI wykład 6. Adrian Horzyk Web: http://home.agh.edu.pl/~horzyk/ E-mail: horzyk@agh.edu.pl Google: Adrian Horzyk Gabinet: paw. D13 p. 325 Akademia Górniczo-Hutnicza w Krakowie WEAIiE,
Bardziej szczegółowoUniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 6 SYSTEMY ROZMYTE TYPU MAMDANIEGO
Bardziej szczegółowoSztuczna inteligencja Definicja Sztuczna inteligencja (AI - ang. artificial inteligence) lub krótko SI jest stosunkowo nową interdyscyplinarną dziedziną nauki, przedmiotem wielkich oczekiwań i ożywionych
Bardziej szczegółowoTransformacja wiedzy w budowie i eksploatacji maszyn
Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy Wydział Mechaniczny Transformacja wiedzy w budowie i eksploatacji maszyn Bogdan ŻÓŁTOWSKI W pracy przedstawiono proces
Bardziej szczegółowoKARTA PRZEDMIOTU. 1. Informacje ogólne. 2. Ogólna charakterystyka przedmiotu. Algorytmy i struktury danych, C3
KARTA PRZEDMIOTU 1. Informacje ogólne Nazwa przedmiotu i kod (wg planu studiów): Nazwa przedmiotu (j. ang.): Kierunek studiów: Specjalność/specjalizacja: Poziom kształcenia: Profil kształcenia: Forma studiów:
Bardziej szczegółowoElementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład III: Psychologiczne modele umysłu Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe)
Bardziej szczegółowozna metody matematyczne w zakresie niezbędnym do formalnego i ilościowego opisu, zrozumienia i modelowania problemów z różnych
Grupa efektów kierunkowych: Matematyka stosowana I stopnia - profil praktyczny (od 17 października 2014) Matematyka Stosowana I stopień spec. Matematyka nowoczesnych technologii stacjonarne 2015/2016Z
Bardziej szczegółowoInteligencja. Władysław Kopaliśki, Słownik wyrazów obcych i zwrotów obcojęzycznych
Wstęp Inteligencja Władysław Kopaliśki, Słownik wyrazów obcych i zwrotów obcojęzycznych inteligencja psych. zdolność rozumienia, kojarzenia; pojętność, bystrość; zdolność znajdowania właściwych, celowych
Bardziej szczegółowoOCENIAMY TO, CZEGO NAUCZYLIŚMY. PRZEDMIOTOWY SYSTEM OCENIANIA Z MATEMATYKI Klasy IV - VIII
OCENIAMY TO, CZEGO NAUCZYLIŚMY PRZEDMIOTOWY SYSTEM OCENIANIA Z MATEMATYKI Klasy IV - VIII Celem przedmiotowego systemu oceniania jest: notowanie postępów i osiągnięć ucznia, ( funkcja informacyjna) wspomaganie
Bardziej szczegółowoZagadnienia optymalizacji i aproksymacji. Sieci neuronowe.
Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. zajecia.jakubw.pl/nai Literatura: S. Osowski, Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 997. PODSTAWOWE ZAGADNIENIA TECHNICZNE AI
Bardziej szczegółowoPRZEDMIOTOWY SYSTEM OCENIANIA Z CHEMII
PRZEDMIOTOWY SYSTEM OCENIANIA Z CHEMII I. Cele edukacyjne z chemii: 1. Wykorzystanie, przetwarzanie i tworzenie informacji uczeń korzysta z chemicznych tekstów źródłowych, pozyskuje, analizuje, ocenia
Bardziej szczegółowoWstęp do sztucznych sieci neuronowych
Wstęp do sztucznych sieci neuronowych Michał Garbowski Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Wydział Informatyki 15 grudnia 2011 Plan wykładu I 1 Wprowadzenie Inspiracja biologiczna
Bardziej szczegółowoWSTĘP DO INFORMATYKI. Struktury liniowe
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej WSTĘP DO INFORMATYKI Adrian Horzyk Struktury liniowe www.agh.edu.pl STRUKTURY LINIOWE SEKWENCJE Struktury
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: INTELIGENTNE SYSTEMY OBLICZENIOWE Systems Based on Computational Intelligence Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj
Bardziej szczegółowoPODSTAWY NEGOCJACJI wykład 1.
PODSTAWY NEGOCJACJI wykład 1. Adrian Horzyk Web: http://home.agh.edu.pl/~horzyk/ E-mail: horzyk@agh.edu.pl Google: Adrian Horzyk Gabinet: paw. D13 p. 325 Akademia Górniczo-Hutniacza w Krakowie WEAIiE,
Bardziej szczegółowoprowadzący dr ADRIAN HORZYK /~horzyk e-mail: horzyk@agh tel.: 012-617 Konsultacje paw. D-13/325
PODSTAWY INFORMATYKI WYKŁAD 8. prowadzący dr ADRIAN HORZYK http://home home.agh.edu.pl/~ /~horzyk e-mail: horzyk@agh agh.edu.pl tel.: 012-617 617-4319 Konsultacje paw. D-13/325 DRZEWA Drzewa to rodzaj
Bardziej szczegółowoKARTA PRZEDMIOTU. Algorytmy i struktury danych, C4
KARTA PRZEDMIOTU 1. Informacje ogólne Nazwa przedmiotu i kod (wg planu studiów): Nazwa przedmiotu (j. ang.): Kierunek studiów: Specjalność/specjalizacja: Poziom kształcenia: Profil kształcenia: Forma studiów:
Bardziej szczegółowoPodsumowanie wyników ankiety
SPRAWOZDANIE Kierunkowego Zespołu ds. Programów Kształcenia dla kierunku Informatyka dotyczące ankiet samooceny osiągnięcia przez absolwentów kierunkowych efektów kształcenia po ukończeniu studiów w roku
Bardziej szczegółowoprawda 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 szczegółowoSztuczna inteligencja wprowadzenie
Sztuczna inteligencja wprowadzenie Sławomir Samolej Slajdy zostały przygotowane na podstawie materiałów opublikowanych na (http://wazniak.mimuw.edu.pl/ Literatura Leszek Rutkowski Metody i techniki sztucznej
Bardziej szczegółowo2
1 2 3 4 5 Dużo pisze się i słyszy o projektach wdrożeń systemów zarządzania wiedzą, które nie przyniosły oczekiwanych rezultatów, bo mało kto korzystał z tych systemów. Technologia nie jest bowiem lekarstwem
Bardziej szczegółowoID1SII4. Informatyka I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) stacjonarne (stacjonarne / niestacjonarne)
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu ID1SII4 Nazwa modułu Systemy inteligentne 1 Nazwa modułu w języku angielskim Intelligent
Bardziej szczegółowoPrzedmiotowy system oceniania z podstaw przedsiębiorczości
Przedmiotowy system oceniania z podstaw przedsiębiorczości 1. Przewidywane osiągnięcia ucznia Uczeń potrafi: Dokonać trafnej samooceny oraz autoprezentacji. Zastosować w praktyce podstawowe zasady pracy
Bardziej szczegółowoInformatyka I stopień (I stopień / II stopień) ogólno akademicki (ogólno akademicki / praktyczny) kierunkowy (podstawowy / kierunkowy / inny HES)
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Zastosowanie sztucznych sieci neuronowych Nazwa modułu w informatyce Application of artificial
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Algorytmy i programowanie Algorithms and Programming Kierunek: Zarządzanie i Inżynieria Produkcji Rodzaj przedmiotu: kierunkowy Poziom studiów: studia I stopnia forma studiów: studia
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z inteligentnymi
Bardziej szczegółowoPrzedmiotowy System Oceniania z matematyki klasy 4 6 Szkoły Podstawowej w Kluczewie. Przedmiotowy System Oceniania z matematyki jest zgodny z:
Przedmiotowy System Oceniania z matematyki klasy 4 6 Szkoły Podstawowej w Kluczewie Przedmiotowy System Oceniania z matematyki jest zgodny z: 1. Rozporządzeniem Ministra Edukacji Narodowej z dnia 27 sierpnia
Bardziej szczegółowoprowadzący dr ADRIAN HORZYK /~horzyk Konsultacje paw. H-6/325H
PODSTAWY NEGOCJACJI I ZARZĄDZANIA WYKŁAD 2. prowadzący dr ADRIAN HORZYK http://home home.agh.edu.pl/~ /~horzyk e-mail: horzyk@agh agh.edu.pl tel.: 012-617 617-4319 Konsultacje paw. H-6/325H CO LUDZIE OD
Bardziej szczegółowoKLASA O PROFILU MATEMATYCZNO-INFORMATYCZNYM
KLASA O PROFILU MATEMATYCZNO-INFORMATYCZNYM COS SIN I. Część matematyczna Uczniowie, którzy będą uczyć się w tej klasie będą mieli możliwość rozwijać swoje talenty matematyczne, a pozyskaną wiedzę weryfikować
Bardziej szczegółowoProgram edukacyjny wspierający nauczanie matematyki w klasach III - VII
Program edukacyjny wspierający nauczanie matematyki w klasach III - VII Teresa Świrska Aleksandra Jakubowska Małgorzata Niedziela Wrocław 2019 I. W S T Ę P Intencją autorów programu Z kalkulatorem, kartami
Bardziej szczegółowoBadacze zbudowali wiele systemów technicznych, naśladujących w komputerze ludzki mózg. Najbardziej pożyteczne okazały się sieci neuronowe.
Naśladując w komputerze ludzki mózg staramy się połączyć zalety komputera (dostępność i szybkość działania) z zaletami mózgu (zdolność do uczenia się) informatyka + 2 Badacze zbudowali wiele systemów technicznych,
Bardziej szczegółowoWstęp do teorii sztucznej inteligencji Wykład III. Modele sieci neuronowych.
Wstęp do teorii sztucznej inteligencji Wykład III Modele sieci neuronowych. 1 Perceptron model najprostzszy przypomnienie Schemat neuronu opracowany przez McCullocha i Pittsa w 1943 roku. Przykład funkcji
Bardziej szczegółowoWstęp do Sztucznej Inteligencji
Wstęp do Sztucznej Inteligencji Rozwiązywanie problemów-i Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki Rozwiązywanie problemów Podstawowe fazy: Sformułowanie celu -
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Uczenie maszynowe Sztuczne sieci neuronowe Plan na dziś Uczenie maszynowe Problem aproksymacji funkcji Sieci neuronowe PSZT, zima 2013, wykład 12
Bardziej szczegółowoPODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"
PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych
Bardziej szczegółowoPRZEDMIOTOWY SYSTEM OCENIANIA Z ZAJĘĆ KOMPUTEROWYCH. dla klas IV-VI. 2. Systematyczne dokumentowanie postępów uczenia się. 3. Motywowanie do rozwoju;
PRZEDMIOTOWY SYSTEM OCENIANIA Z ZAJĘĆ KOMPUTEROWYCH 1. Cele oceniania: dla klas IV-VI 1. Bieżące, okresowe, roczne rozpoznanie i określenie poziomu opanowania kompetencji przewidzianych programem nauczania;
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Podniesienie poziomu wiedzy studentów z zagadnień dotyczących analizy i syntezy algorytmów z uwzględnieniem efektywności
Bardziej szczegółowoAlgorytm. 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 szczegółowoSYLABUS DOTYCZY CYKLU KSZTAŁCENIA Realizacja w roku akademickim 2016/17
Załącznik nr 4 do Uchwały Senatu nr 430/01/2015 SYLABUS DOTYCZY CYKLU KSZTAŁCENIA 2016 2020 Realizacja w roku akademickim 2016/17 1.1. Podstawowe informacje o przedmiocie/module Nazwa przedmiotu/ modułu
Bardziej szczegółowoUniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2012/2013 http://www.wilno.uwb.edu.
SYLLABUS na rok akademicki 01/013 Tryb studiów Studia stacjonarne Kierunek studiów Informatyka Poziom studiów Pierwszego stopnia Rok studiów/ semestr /3 Specjalność Bez specjalności Kod katedry/zakładu
Bardziej szczegółowoW Y M A G A N I A E D U K A C Y J N E
W Y M A G A N I A E D U K A C Y J N E Z B I O L O G I I W KATOLICKIM LICEUM OGÓLNOKSZTAŁCĄCYM IM. ŚW. STANISŁAWA KOSTKI W KIELCACH ZAŁOŻENIA OGÓLNE 1. Ocenianiu podlega: Posługiwanie się poprawną terminologią
Bardziej szczegółowoO 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 szczegółowoNeuroasocjacyjne modele obliczeniowe w sztucznej inteligencji dla celów formowania się wiedzy i skojarzeń
Neuroasocjacyjne modele obliczeniowe w sztucznej inteligencji dla celów formowania się wiedzy i skojarzeń IRRACJONALNOŚĆ kontra RACJONALNOŚĆ czyli starcie tytanów na poziomie skojarzeń i inteligencji dr
Bardziej szczegółowoUMFC WYDZIAŁ INSTRUMENTALNO-PEDAGOGICZNY W BIAŁYMSTOKU
UMFC WYDZIAŁ INSTRUMENTALNO-PEDAGOGICZNY W BIAŁYMSTOKU KIERUNEK INSTRUMENTALISTYKA OPIS EFEKTÓW KSZTAŁCENIA DLA PROGRAMU KSZTAŁCENIA Nazwa kierunku studiów i kod programu Poziom Profil Forma studiów Tytuł
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj zajęć: wykład, laboratorium BIOCYBERNETYKA Biocybernetics Forma studiów:
Bardziej szczegółowoPrzedmiotowy System Oceniania z informatyki dla. Szkoły Podstawowej i Gimnazjum Specjalnego. Przy Specjalnym Ośrodku Szkolno - Wychowawczym w Lubsku
Przedmiotowy System Oceniania z informatyki dla Szkoły Podstawowej i Gimnazjum Specjalnego Przy Specjalnym Ośrodku Szkolno - Wychowawczym w Lubsku Na rok szkolny 2008/2009 (4-6 szkoły podstawowej, oraz
Bardziej szczegółowoPrzedmiotowy System Oceniania z zajęć komputerowych oraz informatyki dla Szkoły Podstawowej w Żarkach 1. Cele oceniania:
Przedmiotowy System Oceniania z zajęć komputerowych oraz informatyki dla Szkoły Podstawowej w Żarkach 1. Cele oceniania: Ocenianie wewnątrzszkolne ma na celu: 1. Bieżące, okresowe, roczne rozpoznanie i
Bardziej szczegółowoUMIEJĘTNOŚCI JĘZYKOWE
Raport z Ogólnopolskiego Sprawdzianu Kompetencji Trzecioklasisty OPERON 2016 w Szkole Podstawowej nr 6 im. Henryka Sienkiewicza w Pruszkowie Ogólnopolski Sprawdzian Kompetencji Trzecioklasisty odbył się
Bardziej szczegółowoOptymalizacja optymalizacji
7 maja 2008 Wstęp Optymalizacja lokalna Optymalizacja globalna Algorytmy genetyczne Badane czasteczki Wykorzystane oprogramowanie (Algorytm genetyczny) 2 Sieć neuronowa Pochodne met-enkefaliny Optymalizacja
Bardziej szczegółowokierunkowy (podstawowy / kierunkowy / inny HES) nieobowiązkowy (obowiązkowy / nieobowiązkowy) polski drugi semestr letni (semestr zimowy / letni)
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 szczegółowoArchipelag Sztucznej Inteligencji
Archipelag Sztucznej Inteligencji Istniejące metody sztucznej inteligencji mają ze sobą zwykle niewiele wspólnego, więc można je sobie wyobrażać jako archipelag wysp, a nie jako fragment stałego lądu.
Bardziej szczegółowoAkademia Twórczego i Logicznego Myślenia Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie
Akademia Twórczego i Logicznego Myślenia Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie Tak naprawdę geniusz oznacza mniej więcej zdolność do postrzegania w niewyuczony sposób Założenia i cele Akademii:
Bardziej szczegółowoEfekty kształcenia dla kierunku studiów CHEMIA studia pierwszego stopnia profil ogólnoakademicki
Załącznik nr 1 Efekty kształcenia dla kierunku studiów CHEMIA studia pierwszego stopnia profil ogólnoakademicki Umiejscowienie kierunku w obszarze kształcenia Kierunek studiów chemia należy do obszaru
Bardziej szczegółowoOpis. Wymagania wstępne (tzw. sekwencyjny system zajęć i egzaminów) Liczba godzin zajęć dydaktycznych z podziałem na formy prowadzenia zajęć
Załącznik nr 5 do Uchwały nr 1202 Senatu UwB z dnia 29 lutego 2012 r. nazwa SYLABUS A. Informacje ogólne Tę część wypełnia koordynator (w porozumieniu ze wszystkimi prowadzącymi dany przedmiot w jednostce)
Bardziej szczegółowoAlgorytmy wspomagania decyzji Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3
Algorytmy wspomagania decyzji Czyli co i jak 2018 andrzej.rusiecki@pwr.edu.pl andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3 O co chodzi? Celem przedmiotu jest ogólne zapoznanie się z podstawowymi
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA KIERUNEK STUDIÓW INFORMATYCZNE TECHNIKI ZARZĄDZANIA
KIERUNKOWE EFEKTY KSZTAŁCENIA KIERUNEK STUDIÓW INFORMATYCZNE TECHNIKI ZARZĄDZANIA Nazwa kierunku studiów: Informatyczne Techniki Zarządzania Ścieżka kształcenia: IT Project Manager, Administrator Bezpieczeństwa
Bardziej szczegółowoProgramowanie 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 szczegółowomgr Lucjan Lukaszczyk nauczyciel informatyki PRZEDMIOTOWY SYSTEM OCENIANIA Z INFORMATYKI W SZKOLE PODSTAWOWEJ IM. KAROLA MIARKI W PIELGRZYMOWICACH
PRZEDMIOTOWY SYSTEM OCENIANIA Z INFORMATYKI W SZKOLE PODSTAWOWEJ IM. KAROLA MIARKI W PIELGRZYMOWICACH 1. Cele oceniania: 1. Bieżące, okresowe, roczne rozpoznanie i określenie poziomu opanowania kompetencji
Bardziej szczegółowoUMFC WYDZIAŁ INSTRUMENTALNO-PEDAGOGICZNY W BIAŁYMSTOKU
UMFC WYDZIAŁ INSTRUMENTALNO-PEDAGOGICZNY W BIAŁYMSTOKU KIERUNEK INSTRUMENTALISTYKA OPIS EFEKTÓW KSZTAŁCENIA DLA PROGRAMU KSZTAŁCENIA Nazwa kierunku studiów i kod programu Poziom kształcenia Profil kształcenia
Bardziej szczegółowoEkonomiczny Uniwersytet Dziecięcy
Ekonomiczny Uniwersytet Dziecięcy Dlaczego orły nie pływają. O wspieraniu talentów i zdolności u dzieci Magdalena Zientalska Uniwersytet Ekonomiczny w Poznaniu 27 września 2012 r. EKONOMICZNY UNIWERSYTET
Bardziej szczegółowoSylabus modułu kształcenia na studiach wyższych. Nazwa Wydziału. Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia
Załącznik nr 4 do zarządzenia nr 12 Rektora UJ z 15 lutego 2012 r. Sylabus modułu kształcenia na studiach wyższych Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Wydział Matematyki
Bardziej szczegółowoLiczba godzin/tydzień: 2W, 2L
Nazwa przedmiotu: Bazy wiedzy i systemy ekspertowe w ekonomice Knowledge basis and ekspert systems in economy Kierunek: Forma studiów: Informatyka Stacjonarne Rodzaj przedmiotu: Poziom przedmiotu: obowiązkowy
Bardziej szczegółowoEfekty kształcenia na kierunku AiR drugiego stopnia - Wiedza Wydziału Elektrotechniki, Automatyki i Informatyki Politechniki Opolskiej
Efekty na kierunku AiR drugiego stopnia - Wiedza K_W01 K_W02 K_W03 K_W04 K_W05 K_W06 K_W07 K_W08 K_W09 K_W10 K_W11 K_W12 K_W13 K_W14 Ma rozszerzoną wiedzę dotyczącą dynamicznych modeli dyskretnych stosowanych
Bardziej szczegółowoEfekt 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 szczegółowoCzy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski
Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski Architektura umysłu Pojęcie używane przez prawie wszystkie współczesne ujęcia kognitywistyki Umysł Przetwornik informacji 2 Architektura
Bardziej szczegółowoĆwiczenie numer 4 JESS PRZYKŁADOWY SYSTEM EKSPERTOWY.
Ćwiczenie numer 4 JESS PRZYKŁADOWY SYSTEM EKSPERTOWY. 1. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z przykładowym systemem ekspertowym napisanym w JESS. Studenci poznają strukturę systemu ekspertowego,
Bardziej szczegółowoAktywne poszukiwanie pracy. Asertywność
Aktywne poszukiwanie pracy rozeznanie w sytuacji na rynku pracy, poznanie źródeł i metod poszukiwania pracy, nabycie wiedzy o wymogach pracodawców wobec potencjalnych pracowników. poznanie i identyfikacja
Bardziej szczegółowoAlgorytmy wspomagania decyzji Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s.
Algorytmy wspomagania decyzji Czyli co i jak 2013 andrzej.rusiecki@pwr.wroc.pl andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 911/D-20 O co chodzi? Celem przedmiotu jest ogólne zapoznanie się z podstawowymi
Bardziej szczegółowoSieci neuronowe jako sposób na optymalizacje podejmowanych decyzji. Tomasz Karczyoski Wydział W-08 IZ
optymalizacje podejmowanych decyzji Tomasz Karczyoski Wydział W-08 IZ Czym są sieci neuronowe Struktura matematycznych oraz programowy lub sprzętowy model, realizujących obliczenia lub przetwarzanie sygnałów
Bardziej szczegółowoSystemy ekspertowe. Krzysztof Patan
Systemy ekspertowe Krzysztof Patan Wprowadzenie System ekspertowy Program komputerowy, który wykonuje złożone zadania o dużych wymaganiach intelektualnych i robi to tak dobrze jak człowiek będący ekspertem
Bardziej szczegółowoUMFC WYDZIAŁ INSTRUMENTALNO-PEDAGOGICZNY W BIAŁYMSTOKU
UMFC WYDZIAŁ INSTRUMENTALNO-PEDAGOGICZNY W BIAŁYMSTOKU KIERUNEK INSTRUMENTALISTYKA OPIS EFEKTÓW KSZTAŁCENIA DLA PROGRAMU KSZTAŁCENIA Nazwa kierunku studiów i kod programu Poziom Profil Forma studiów Tytuł
Bardziej szczegółowoAdrian Horzyk
Metody Inteligencji Obliczeniowej Metoda K Najbliższych Sąsiadów (KNN) Adrian Horzyk horzyk@agh.edu.pl AGH Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Bardziej szczegółowo