Forma zaliczenia (egzamin/zaliczenie) Advanced Internet Technologies

Transkrypt

1 KARTA OPISU MODUŁU KSZTAŁCENIA Nazwa modułu Advanced Internet Technologies Forma zaliczenia (egzamin/zaliczenie) Egzamin Kierunek studiów Profil kształcenia Rok / semestr Informatyka i Ekonometria ogólnoakademicki III/5 Specjalność Język wykładowy: Moduł (obowiązkowy/do wyboru) Elektroniczny Biznes angielski obowiązkowy Godziny Liczba punktów ECTS Wykłady: 30 Ćwiczenia: 3 Poziom kształcenia I Blok zajęciowy Liczba punktów C Autor sylabusa Katedra Forma studiów (stacjonarna/niestacjonarna) stacjonarna Data opracowania Obszar kształcenia nauki społeczne Willy Picard Katedra Technologii Informacyjnych Cele kształcenia dla modułu C1 Poznanie wybranych metod i narzędzi do budowy aplikacji webowych C2 Poznanie nowoczesnych technologii do zarządzania informacją C3 Nabycie umiejętności projektowania architektury aplikacji webowych C4 Nabycie umiejętności nadzorowania realizacji projektów informatycznych Efekty kształcenia dla modułu Wiedza W1 W2 W3 Zna podstawowe pojęcia związane z modelowaniem i z implementacją aplikacji webowych Zna nowoczesne technologie do zarządzania informacją Zna zagadnienia związane z zarządzaniem realizacją projektów informatycznych Umiejętności U1 U2 U3 U4 Potrafi modelować i implementować aplikacje webowe Potrafi opracować architekturę aplikacji webowych Potrafi ocenić przydatność danej technologii w kontekście implementacji aplikacji webowej Potrafi ocenić jakość kodu Kompetencje społeczne K1 K2 Potrafi nadzorować realizację projektów informatycznych Potrafi zaplanować i zorganizować pracę zespołu nad projektami informatycznymi 1

2 Treści programowe wykłady Lp. Treści programowe 1. Programowanie w zespole: CVS/Subversion, zwinne metody zarządzania projektami informatycznymi 2. Technologie implementacji aplikacji webowych: servlety, JSP, implementacja sesji, JVC Model 2, zapewnienie trwałości danych, wzorce, JDBC 3. Kontrolowanie i zapewnienie jakości kodu, wzorce projektowe 4. Architektury aplikacji internetowych, systemy rozproszone 5. Technologia XML: definicja, DOM, SAX, XML Namespace, XPath, XSLT Cele kształcenia Efekty kształcenia dla modułu dla modułu C1, C2, C3, C4 W2, W3, K1, K2 C1, C3 W1, U1, U3 C3, C4 W3, U1, U2, U3, U4, K1 C2, C3 W1, U1, U2 C1 W1, U3 Literatura Obowiązkowa 1. The Java EE 6 Tutorial, Eric Jendrock. Ian Evans, Devika Gollapudi, Kim Haase, William Markito Oliveira and Chinmayee Srivathsa. Zalecana 1. Java & XML: Solutions to Real-World Problems by Brett McLaughlin, O'Reilly & Associates; 2nd edition, Sept 2001 (ISBN: ) 2. More Servlets and JavaServer Pages by Marty Hall, Pearson Higher Education, 1st edition, Dec 2001 (ISBN: ) Wymagania wstępne Metody nauczania Programowanie komputerów I Wykłady z prezentacjami multimedialnymi, przeprowadzane na żywo demonstracje budowy i rozwoju oprogramowania Praca indywidualna studenta Praca z wykorzystaniem narzędzi samokształcenia dostępnych na platformie Moodle, praca z różnymi narzędziami rozwoju oprogramowania Sposób zaliczenia Egzamin pisemny przeprowadzany elektronicznie z wykorzystaniem platformy Moodle Opis sposobu sprawdzenia osiągnięcia efektów kształcenia Efekt kształcenia dla modułu Metoda sprawdzenia Aktywność Prace okresowe Zaliczenie końcowe W1 X X W2 X X W3 X X U1 X 2

3 U2 U3 U4 K1 X K2 X podpis autora X X X Tabela efektów kształcenia dla modułu WIGE_I_5_C21 Advanced Internet Technologies Willy Picard Symbol efektu kształcenia W1 Efekty kształcenia dla modułu Student, który zaliczył moduł: Zna podstawowe pojęcia związane z modelowaniem i z implementacją aplikacji webowych Odniesienie do efektów kształcenia dla kierunku K1_W04, K1_U09,, K1_K01 W2 Zna nowoczesne technologie do zarządzania informacją K1_W04, K1_U09,, K1_K01, K1_K04 W3 Zna zagadnienia związane z zarządzaniem realizacją K1_W04, K1_U09 projektów informatycznych U1 Potrafi modelować i implementować aplikacje webowe K1_U01, K1_U09 U2 Potrafi opracować architekturę aplikacji webowych K1_U01, K1_U09 U3 Potrafi ocenić przydatność danej technologii w kontekście implementacji aplikacji webowej K1_U06, K1_U09, K1_K01, K1_K04 U4 Potrafi ocenić jakość kodu K1_U06, K1_U09 K1 Potrafi nadzorować realizację projektów K1_U09, K1_K02 informatycznych K2 Potrafi zaplanować i zorganizować pracę zespołu nad projektami informatycznymi K1_U09, K1_K02 3

4 KARTA OPISU MODUŁU KSZTAŁCENIA Nazwa modułu Algorytmy i struktury danych Forma zaliczenia (egzamin/zaliczenie) zaliczenie Kierunek studiów Profil kształcenia Rok / semestr Informatyka i Ekonometria ogólnoakademicki I/1 Specjalność Język wykładowy: Moduł (obowiązkowy/do wyboru) wszystkie polski obowiązkowy Godziny Liczba punktów ECTS Wykłady: 15 Ćwiczenia: 15 3 Poziom kształcenia I Blok zajęciowy Liczba punktów A Autor sylabusa Katedra Forma studiów (stacjonarna/niestacjonarna) stacjonarne Data opracowania Obszar kształcenia nauki społeczne Prof. dr hab. Witold Abramowicz Dr Karol Wieloch Katedra Informatyki Ekonomicznej Cele kształcenia dla modułu C1 C2 C3 Wprowadzenie kluczowych pojęć z zakresu algorytmiki i podstaw programowania. Algorytm istota, formalna definicja. Algorytm a program komputerowy. Język formalny, język programowania Poznanie zasad konstruowania algorytmów, wykształcenie umiejętności analizowania algorytmów Poznanie najważniejszych struktur danych C4 Nabycie umiejętności implementowania algorytmu w wybranym języku programowania C5 Poznanie wybranych algorytmów Efekty kształcenia dla modułu Wiedza W1 W2 W3 W4 W5 W6 W7 W8 W9 Zna podstawowe typy danych oraz proste struktury danych: lista, stos, kolejka, tablica Zna różne sposoby zapisu algorytmów Zna pojęcie złożoności obliczeniowej Zna pojęcie rekurencji Zna algorytmy wyszukiwania binarnego oraz wyszukiwania wzorca w tekście Zna pojęcie automatu skończonego Zna złożone struktury danych: graf, drzewo, zbiór, słownik. Zna proste algorytmy operujące na drzewach i grafach Zna najważniejsze algorytmy sortowania Umiejętności U1 Umie zastosować algorytmy trawersowania drzew i grafów dla przykładowych struktur danych 4

5 U2 Umie utworzyć implementację prostego algorytmu w wybranym języku programowania U3 Umie przeanalizować zawartość struktur danych dla wybranych algorytmów U4 Umie przedstawić zasadę działania wybranych algorytmów sortujących U5 Umie wykonać proste obliczenia związane ze złożonością obliczeniową U6 Umie zastosować algorytm Dijkstry dla przykładowych danych wejściowych U7 Umie dobrać właściwą strukturę danych dla potrzeb rozwiązania postawionego problemu Kompetencje społeczne K1 K2 K3 K4 Potrafi przedstawić zasadę działania wybranego algorytmu sortującego Potrafi uzasadnić dobór struktur danych dla wybranych problemów Potrafi samodzielnie analizować problem obliczeniowy w oparciu o informacje dostępne w literaturze Potrafi samodzielnie proponować sposoby rozwiązania problemów obliczeniowych Treści programowe wykłady Cele kształcenia Efekty kształcenia Lp. Treści programowe dla modułu dla modułu 1. Wprowadzenie do algorytmiki C1 W2 2. Złożoność obliczeniowa C2 W3 3. Podstawowe typy i struktury danych C3 W1 4. Algorytmy rekurencyjne C5,C2 W4 5. Problem wyszukiwania C5,C2 W5 6. Automaty skończone C3,C5,C1 W6 7. Zbiory i słowniki C3 W7 8. Grafy C3,C5 W7,W8 9. Drzewa C3,C5 W7,W8 10. Drzewa poszukiwań binarnych C5,C2 W8 Treści programowe ćwiczenia/laboratoria Cele kształcenia Efekty kształcenia Lp. Treści programowe dla modułu dla modułu 1. Wprowadzenie do programowania C1,C3,C4 W1,W2,K3 2. Zastosowania struktur danych - tablice C3 W1,U2,K3 3. Wyszukiwanie binarne - implementacja C2, C4, C5 W2,U2,U3 4. Wyszukiwanie wzorca w tekście - implementacja C2, C4, C5 W2, W1,U2,U3 5. Zastosowania struktur danych stosy i kolejki C3, C1, C4 W2,U2,U3,U7,K2, K3, K4 6. Trawersowanie drzew binarnych C5, C2 W7,W8,U1 7. Trawersowanie grafów C5, C2 W7,W8,U1 8. Algorytm Dijkstry C5, C2, C4 W8,W2,U6,U2,U3 5

6 9. Algorytmy sortujące C5, C2 W9,U4,U3,K1 10. Złożoność obliczeniowa - zadania C2 W3,U5 Literatura Obowiązkowa 1. Wirth N., Algorytmy + struktury danych = programy, WNT, Warszawa Adamski T., Ogrodzki J., Algorytmy komputerowe i struktury danych, Oficyna Wydawnicza Politechniki Warszawskiej, Aho Alfred V., Hopcroft John E., Ullman Jeffrey D., Algorytmy i struktury danych, Helion, Buczek B., Algorytmy. Ćwiczenia, Helion Cormen T.H., Leiserson Ch.E., Riverst R.L., Stein C., Wprowadzenie do algorytmów, WNT, Sysło Maciej M., Algorytmy, Wydawnictwa Szkolne i Pedagogiczne Zalecana 1. Arabas J., Wykład z algorytmów ewaluacyjnych, WNT, Ben-Ari M., Logika matematyczna w informatyce, WNT, Banachowski L., Diks K, RytterW., Algorytmy i struktury danych, WNT, Dańko A., Le T.L., Mirkowska G., Rembelski P., Smyk A., Sydow M., Algorytmy i struktury danych, Wydawnictwo PJWSTK, Harel D., Rzecz o istocie informatyki Algorytmika, WNT, Harris S., Ross J., Algorytmy, Helion, Kotowski P., Algorytmy + struktury danych = abstrakcyjne typy danych, BTC Koffma E., Wolfgang P., Struktury danych i techniki obiektowe, Helion, Swacha J., Podstawy programowania komputerów w języku Python, Wydawnictwo Naukowe Uniwerytetu Szczecińskiego, Wirth N., Algorytmy + struktury danych = programy, WNT, Wirth N., Wstęp do programowania systematycznego, WNT, Wróblewski P., Algorytmy, struktury danych i techniki programowania, Helion, 2003 Wymagania wstępne Podstawy znajomości technologii internetowych, umiejętność posługiwania się systemem operacyjnym Metody nauczania Wykłady, laboratoria komputerowe, dokładna analiza algorytmów, ćwiczenia prowadzone i samodzielne Praca indywidualna studenta Sposób zaliczenia Praca przy wykorzystaniu narzędzi samokształcenia dostępnych na platformie moodle, studia literaturowe, ćwiczenia samodzielne. Zaliczenie końcowe, sprawdzian pisemny 6

7 Opis sposobu sprawdzenia osiągnięcia efektów kształcenia W1 W2 W3 W4 W5 W6 W7 W8 Efekt kształcenia dla modułu Metoda sprawdzenia Aktywność Prace okresowe Zaliczenie końcowe X X W9 X U1 X X U2 X X U3 X X U4 X U5 X X U6 X X U7 X X K1 X K2 K3 K4 X X X X X X X X X podpis autora 7

8 Tabela efektów kształcenia dla modułu WIGE_I_1_B03 Symbol efektu kształcenia W1 Student, który zaliczył moduł: Algorytmy struktury danych Efekty kształcenia dla modułu Zna podstawowe typy danych oraz proste struktury danych: lista, stos, kolejka, tablica Witold Abramowicz Karol Wieloch Odniesienie do efektów kształcenia dla kierunku K1_W04, K_W05 W2 Zna różne sposoby zapisu algorytmów K1_W04, K_W05 W3 Zna pojęcie złożoności obliczeniowej K1_W04, K1_W05 W4 Zna pojęcie rekurencji K1_W04, K1_W05 W5 Zna algorytmy wyszukiwania binarnego oraz wyszukiwania wzorca w tekście K1_W04, K1_W05 W6 Zna pojęcie automatu skończonego K1_W04, K1_W05 W7 Zna złożone struktury danych: graf, drzewo, zbiór, słownik. K1_W04, K1_W05 W8 Zna proste algorytmy operujące na drzewach i grafach K1_W04, K1_W05 W9 Zna najważniejsze algorytmy sortowania K1_W04, K1_W05 U1 U2 Umie zastosować algorytmy trawersowania drzew i grafów dla przykładowych struktur danych Umie utworzyć implementację prostego algorytmu w wybranym języku programowania K1_U01 K1_U01 U3 Umie przeanalizować zawartość struktur danych dla wybranych algorytmów K1_U01 U4 Umie przedstawić zasadę działania wybranych algorytmów sortujących K1_U01 U5 Umie wykonać proste obliczenia związane ze złożonością obliczeniową K1_U01 U6 Umie zastosować algorytm Dijkstry dla przykładowych danych wejściowych K1_U01, K1_U02 U7 Umie dobrać właściwą strukturę danych dla potrzeb rozwiązania postawionego problemu K1_U01 K1 Potrafi przedstawić zasadę działania wybranego algorytmu sortującego K1_K01, K1_K04 K2 Potrafi uzasadnić dobór struktur danych dla wybranych problemów K1_K01, K_K04 K3 Potrafi samodzielnie analizować problem obliczeniowy w oparciu o informacje dostępne w literaturze K1_K01, K1_K04 K4 Potrafi samodzielnie proponować sposoby rozwiązania problemów obliczeniowych K1_K01, K1_K04 8

9 KARTA OPISU MODUŁU KSZTAŁCENIA Nazwa modułu Analiza finansowa w przedsiębiorstwie Forma zaliczenia (egzamin/zaliczenie) zaliczenie Kierunek studiów Profil kształcenia Rok / semestr Informatyka i Ekonometria ogólnoakademicki III/5 Specjalność Język wykładowy: Moduł (obowiązkowy/do wyboru) Analityka gospodarcza polski obowiązkowy Godziny Liczba punktów ECTS Wykłady: 30 Ćwiczenia: 3 Poziom kształcenia I Blok zajęciowy Liczba punktów C Autor sylabusa Katedra Forma studiów (stacjonarna/niestacjonarna) stacjonarny Marek Witkowski Katedra Statystyki Data opracowania Obszar kształcenia nauki społeczne Cele kształcenia dla modułu C1 C2 C3 Poznanie wybranych metod analizy finansowej w przedsiębiorstwie i zasad ich stosowania Poznanie roli i walorów informacyjnych sprawozdań finansowych w analizie finansowej przedsiębiorstwa Nabycie przez studentów umiejętności przeprowadzenia analizy i oceny sytuacji finansowej przedsiębiorstwa Efekty kształcenia dla modułu Wiedza W1 W2 W3 W4 Zna metody badania płynności finansowej, rentowności, aktywności gospodarczej i wspomagania finansowego Zna narzędzia analizy pionowej i poziomej bilansu oraz struktury i dynamiki rachunku zysków i strat Zna źródła danych do analizy finansowej, ich strukturę i walory informacyjne Zna metody służące badaniu zdolności kredytowej oraz ryzyka niewypłacalności Umiejętności U1 Potrafi przeprowadzić analizę sytuacji finansowej przedsiębiorstwa U2 Potrafi w sposób precyzyjny ocenić zdolność kredytową oraz ryzyko niewypłacalności przedsiębiorstwa U3 Posiada umiejętność interpretowania wyników analizy sytuacji finansowej przedsiębiorstwa 9

10 Kompetencje społeczne K1 Posiada umiejętność efektywnego wykorzystywania danych zawartych w sprawozdaniach finansowych do analizy sytuacji finansowej przedsiębiorstwa K2 Jest świadomy przydatności analizy finansowej do oceny przedsiębiorstwa K3 Ma świadomość poziomu swojej wiedzy i potrafi ją uzupełniać Treści programowe wykłady Lp. Treści programowe 1. Istota analizy finansowej, jej przedmiot i odbiorcy wyników Cele kształcenia dla modułu C1 Efekty kształcenia dla modułu K3 2. Źródła danych do analizy finansowej i ich jakość C2 W3 3. Rodzaje mierników wykorzystywanych w analizie finansowej C1, C2 W1, W2, U1, K1 4. Analiza pionowa i pozioma bilansu C1, C2, C3 W2, U1, U2, K1, K2 5. Analiza dynamiki struktury rachunku zysków i strat C1, C2, C3 W2, W3, U1, K1, K2 6. Badanie cash flow C1, C2, C3 W2, W3, U1, K1, K2 7. Analiza statyczna i dynamiczna płynności C1, C2, C3 W1, W2, W3, U1, K1, K2 8. Metody badania rentowności C1, C2, C3 W1, W3, U1, U3, K1, K2 9. Rachunek CVP C1, C2, C3 W1, W3, U1, K1, K2 10. Badanie sprawności działania przedsiębiorstwa C1, C2, C3 W1, W3, U1, U3, K1, K2 11. Analiza wspomagania finansowego C1, C2, C3 W1, W3, U1, U3, K1, K2 12. Statystyczne metody badania wiarygodności kredytowej firmy C1, C2, C3 W4, U2, K1, K2 13. Rachunek regresji w badaniu ryzyka operacyjnego C1, C2, C3 W1, W3, U3, K1, K2 14. Analiza ryzyka niewypłacalności firmy C1, C2, C3 W3, W4, U2, K1, K2 15. Analiza wyniku finansowego C1, C2, C3 W1, W3, U1, U3, K1, K2 Literatura Obowiązkowa 1. Nowak, E., 2005, Analiza sprawozdań finansowych, PWE, Warszawa 2. Siemińska, E., 2003, Finansowa kondycja firmy. Metody pomiaru i oceny, Wydawnictwo Poltext, Warszawa 3. Gabrusewicz, W., 2002, Podstawy analizy finansowej, PWE, Warszawa 4. Witkowski, M., 2009, Ryzyko gospodarcze i jego pomiar, Wydawnictwo PWSZ w Kaliszu, Kalisz Zalecana 1. Witkowski, M., Klimanek, T., 2006, Prognozowanie gospodarcze w przykładach i zadaniach, Wydawnictwo AE w Poznaniu, Poznań 10

11 2. Witkowska, A., Witkowski, M., 2007, Zastosowanie modelu regresyjnego ze zmiennymi parametrami w rachunku CVP w przedsiębiorstwie, [w:] Ostasiewicz, W., {red.), Statystyka w praktyce społeczno-gospodarczej, Wydawnictwo AE we Wrocławiu, Wrocław 3. Witkowska, A., Witkowski, M., 2004, Ocena kondycji finansowej banków spółdzielczych przy wykorzystaniu TMR, [w:] Taksonomia 11, Wydawnictwo AE we Wrocławiu, Wrocław Wymagania wstępne Metody nauczania Praca indywidualna studenta Sposób zaliczenia Znajomość podstawowych mierników statystycznych oraz rachunkowości finansowej i zarządczej Wykłady z wykorzystaniem środków audiowizualnych, prace projektowe (referaty), dyskusja nad pracami studentów Studia literaturowe, referaty, platforma moodle Pisemna praca zaliczeniowa, projekt zespołowy Opis sposobu sprawdzenia osiągnięcia efektów kształcenia Efekt kształcenia Metoda sprawdzenia dla modułu Aktywność Prace okresowe Zaliczenie końcowe W1 x x W2 x x W3 x x W4 x x U1 x x U2 x x U3 x x K1 x x K2 x x K3 x podpis autora 11

12 Tabela efektów kształcenia dla modułu WIGE_I_5_C16 Analiza finansowa w przedsiębiorstwie Marek Witkowski Symbol efektu kształcenia W1 W2 W3 W4 U1 U2 U3 K1 K2 K3 Efekty kształcenia dla modułu Student, który zaliczył moduł: Zna metody badania płynności finansowej, rentowności, aktywności gospodarczej i wspomagania finansowego Zna narzędzia analizy pionowej i poziomej bilansu oraz struktury i dynamiki rachunku zysków i strat Zna źródła danych do analizy finansowej, ich strukturę i walory informacyjne Zna metody służące badaniu zdolności kredytowej oraz ryzyka niewypłacalności Potrafi przeprowadzić analizę sytuacji finansowej przedsiębiorstwa Potrafi w sposób precyzyjny ocenić zdolność kredytową oraz ryzyko niewypłacalności przedsiębiorstwa Posiada umiejętność interpretowania wyników analizy sytuacji finansowej przedsiębiorstwa Posiada umiejętność efektywnego wykorzystywania danych zawartych w sprawozdaniach finansowych do analizy sytuacji finansowej przedsiębiorstwa Jest świadomy przydatności analizy finansowej do oceny przedsiębiorstwa Ma świadomość poziomu swojej wiedzy i potrafi ją uzupełniać Odniesienie do efektów kształcenia dla kierunku K1_W02, K1_W05, K_W08, K_U01, K1_K01, K1_K04, K1_K05 K1_W02, K1_W05, K1_W08, K1_U01, K1_K01, K1_K04, K1_K05 K1_W02, K1_W08, K1_U04, K1_K01 K1_W05, K1_W08, K1_U01, K1_K01, K1_K04, K1_K05 K1_W05, K1_U01, K1_K01, K1_K04 K1_W05, K1_U01, K1_U08, K1_K01, K1_K04 K1_U01, K1_K01, K1_K04 K1_K01, K1_K04, K1_K05 K1_K01, K1_K04 K1_K04 12

13 KARTA OPISU MODUŁU KSZTAŁCENIA Nazwa modułu Artificial Intelligence Systems (Systemy sztucznej inteligencji) Forma zaliczenia (egzamin/zaliczenie) zaliczenie Kierunek studiów Profil kształcenia Rok / semestr Informatyka i Ekonometria ogólnoakademicki - Specjalność Język wykładowy: Moduł (obowiązkowy/do wyboru) wszystkie angielski Do wyboru Godziny Liczba punktów ECTS Wykłady: 30 Ćwiczenia: 0 4 Poziom kształcenia I Blok zajęciowy Liczba punktów B Autor sylabusa Katedra Forma studiów (stacjonarna/niestacjonarna) stacjonarne Data opracowania Obszar kształcenia nauki społeczne Monika Kaczmarek Katedra Informatyki Ekonomicznej Cele kształcenia C1 C2 C3 C4 Poznanie podstawowych zagadnień związanych z tematykę sztucznej inteligencji (SI), w tym: reprezentacji wiedzy, rozwiązywania problemów, metod uczenia w systemach SI. Poznanie wybranych metod oraz narzędzi informatycznych z dziedziny sztucznej inteligencji. Nabycie umiejętności zastosowania wybranych narzędzi i metod do rozwiązywania problemów. Zrozumienie roli sztucznej inteligencji i możliwości jej zastosowania. Educantional aims: C1 C2 C3 C4 Introducing basic concepts in the domain of artificial intelligence (AI) including: knowledge representation, solving problems, machine learning. Introducing selected methods and IT tools in the area of AI. Acquiring the ability to apply selected methods and tools to solve problems. Obtaining an understanding of the role of artificial intelligence and its application possibilities. Efekty kształcenia Wiedza W1 Zna podstawowe pojęcia związane z tematyką sztucznej inteligencji oraz najważniejsze nurty w tej dziedzinie. W2 Zna charakterystyczne cechy inteligentnych agentów oraz możliwości ich zastosowania. W3 Zna wybrane przykłady algorytmów z dziedziny sztucznej inteligencji m.in., algorytmy genetyczne i immunologiczne oraz ich zastosowanie. W4 Zna podstawowe metody reprezentacji wiedzy oraz jej rolę w dziedzinie sztucznej inteligencji. W5 Zna techniki uczenia maszynowego oraz wybrane metody (m.in., sztuczne sieci neuronowe). W6 Zna wybrane narzędzia informatyczne stosowane w tej dziedzinie. 13

14 Knowledge W1 Knowing the basic concepts and areas in the domain of AI.. W2 Knowing the characteristics of intelligent agents and possibilities of application W3 Knowing selected examples of algorithms in the area of AI, e.g., genetic algorithms and immune systems and their applications. W4 Knowing the basic methods of knowledge representation and its role in the AI domain. W5 Knowing machine learning techniques and selected methods (e.g., neural nets) W6 Knowing selected IT tools in the area of AI. Umiejętności U1 Potrafi rozpoznać przykłady zastosowania sztucznej inteligencji w rzeczywistości gospodarczej. U2 Potrafi zastosować wybrane algorytmy rozwiązywania problemów (m.in., algorytmy genetyczne) U3 Potrafi przeprowadzać wnioskowanie w warunkach niepewności z wykorzystaniem poznanych narzędzi. U4 Potrafi wybrać odpowiednią metodę reprezentacji wiedzy w zależności od problemu do rozwiązania. U5 Potrafi zastosować poznane metody uczenia maszynowego (m.in., sztuczne sieci neuronowe). U6 Potrafi przygotować profesjonalną prezentację wyników swojej pracy. Skills U1 Having the ability to recognize the examples of application of AI. U2 Having the ability to apply selected algorithms to solve problems (e.g., genetic algorithms) U3 Having the ability to perform reasoning under uncertainty using the introduced tools. U4 Having the ability to select appropriate knowledge representation methods to solve a specific problem. U5 Having the ability to apply introduced machine learning techniques (e.g., neural net) U6 Having the ability to present the results of the conducted work Kompetencje społeczne K1 Jest świadomy możliwości jaki dają narzędzia i metody wypracowane w ramach sztucznej inteligencji. K2 Jest świadomy celów oraz ograniczeń związanych z tą dziedziną. K3 Potrafi samodzielnie uzupełniać posiadaną wiedzę w zakresie metod sztucznej inteligencji oraz ich potencjalnych zastosowań. K4 Potrafi pracować w zespole realizując projekty związane z uczeniem maszynowym. Social competences K1 Being aware of the possibilities of application of AI K2 Being aware of the goals and the limitations of the application of AI K3 Being able to perform self-studies and gain new knowledge about AI concept and its applications K4 Having the ability to work in a team on a project in a machine learning area. 14

15 Treści programowe wykłady Lp. Treści programowe Cele kształcenia Efekty kształcenia 1. Wprowadzenie do dziedziny sztucznej inteligencji. W1, W6, U1, K1, K2, C1 K3 2. Inteligentne agenty. C1, C2 W2, U1, K1, K2 3. Rozwiązywanie problemów przez przeszukiwanie. Metody przeszukiwania oparte na heurystyce. Algorytmy genetyczne oraz immunologiczne. 4. Reprezentacja wiedzy role reprezentacji wiedzy, metody, wnioskowanie w warunkach niepewności. 5. Techniki uczenia maszynowego. 6 Sztuczne sieci neuronowe. 7 Wybrane zastosowania systemów sztucznej inteligencji w gospodarce. C1,C2,C3, C4 C1, C2, C3, C4 C1, C2, C3, C4 C1, C2, C3 W3, W6, U2, K1, K2, K3 W4, W6, U3 U4, K1, K2, K3 W5, W6, U5, K2, K3, K4 W5, W6, U5, U6, K1, K4 C1, C4 W1, U1, K1, K2, K3 Lp. Course Educational aims Effects of education 1. Introduction to the domain of Artificial Intelligence. C1 W1, W6, U1, K1, K2, K3 2. Intelligent agents C1, C2 W2, U1, K1, K2 3. Problem solving applying uniformed and informed search algorithms. Genetic algorithms and immune systems. 4. Knowledge representation role, methods, reasoning under uncertainty 5. Machine learning 6 Neural nets 7 Selected examples of application of AI in the economy. C1,C2,C3, C4 C1, C2, C3, C4 C1, C2, C3, C4 C1, C2, C3 W3, W6, U2, K1, K2, K3 W4, W6, U3 U4, K1, K2, K3 W5, W6, U5, K2, K3, K4 W5, W6, U5, U6, K1, K4 C1, C4 W1, U1, K1, K2, K3 Literatura Obowiązkowa S. Russell, P. Norvig, Artificial Intelligence: Modern Approach (3 rd edition), 2009 Wymagania wstępne Znajomość podstawowych pojęć związanych z technologią informatyczną oraz systemami informacyjnymi. Znajomość podstawowych pojęć związanych z analizą danych i prawdopodobieństwem. Metody nauczania Wykłady z prezentacjami multimedialnymi, prace projektowe, analiza przypadków, dyskusje 15

16 Praca indywidualna studenta Sposób zaliczenia Praca przy wykorzystaniu narzędzi i materiałów udostępnianych na platformie moodle, studia literaturowe, analiza przypadków i interpretacja wyników, prace projektowe w zespołach dwuosobowych, aktywne poszukiwanie w sieci Internet materiałów i informacji dotyczących przykładów zastosowania metod sztucznej inteligencji Zadania indywidualne, projekt zespołowy Zaliczenie pisemne test końcowy Prerequisites Knowing Basic concepts in the area of information systems and information technology. Knowing the basic rules of data analysis and probability theory. A good command of English. Methods Lectures with presentations, projects, case studies, discussions Individual work Knowledge methods verification Individual work on the assignments using tools and materials made available through the moodle platform. Group work on the machine learning related topics. Actively acquiring new knowledge of the AI domain and its applications from the Internet sources. Individual and group assignments. Final test Opis sposobu sprawdzenia osiągnięcia efektów kształcenia Efekt kształcenia dla modułu Aktywność / Active participation in the classes Metoda sprawdzenia Zadanie indywidualne, projekt / Indivdual and group assignments Zaliczenie końcowe/final test W1 x x W2 x x W3 x x x W4 x x x W5 x x x W6 x x U1 x x U2 x x U3 x x U4 x x x U5 x x U6 x x K1 x x K2 x x K3 x x x K4 x podpis autora 16

17 Tabela efektów kształcenia dla przedmiotu WIGE_I_6_BW1 Artificial Intelligence Systems (Systemy sztucznej inteligencji) Monika Kaczmarek Symbol efektu Efekty kształcenia kształcenia Student, który zaliczył przedmiot: W1 Zna podstawowe pojęcia związane z tematyką sztucznej inteligencji oraz najważniejsze nurty w tej dziedzinie. W2 Zna charakterystyczne cechy inteligentnych agentów oraz możliwości ich zastosowania. W3 Zna wybrane przykłady algorytmów z dziedziny sztucznej inteligencji m.in., algorytmy genetyczne i immunologiczne oraz ich zastosowanie. W4 Zna podstawowe metody reprezentacji wiedzy oraz jej rolę w dziedzinie sztucznej inteligencji. W5 Zna techniki uczenia maszynowego oraz wybrane metody (m.in., sztuczne sieci neuronowe). W6 Zna wybrane narzędzia informatyczne stosowane w tej dziedzinie. U1 Potrafi rozpoznać przykłady zastosowania sztucznej inteligencji w rzeczywistości gospodarczej. U2 Potrafi zastosować wybrane algorytmy rozwiązywania problemów (m.in., algorytmy genetyczne) U3 Potrafi przeprowadzać wnioskowanie w warunkach niepewności z wykorzystaniem poznanych narzędzi. U4 Potrafi wybrać odpowiednią metodę reprezentacji wiedzy w zależności od problemu do rozwiązania. U5 Potrafi zastosować poznane metody uczenia maszynowego (m.in., sztuczne sieci neuronowe). U6 Potrafi przygotować profesjonalną prezentację wyników swojej pracy. K1 Jest świadomy możliwości jaki dają narzędzia i metody wypracowane w ramach sztucznej inteligencji. K2 Jest świadomy celów oraz ograniczeń związanych z tą dziedziną. K3 Potrafi samodzielnie uzupełniać posiadaną wiedzę w zakresie metod sztucznej inteligencji oraz ich potencjalnych zastosowań. K4 Potrafi pracować w zespole realizując projekty związane z uczeniem maszynowym. Odniesienie do kierunkowych efektów kształcenia K1_W02 K1_W02 K1_W02, K_W05 K1_W02 K1_W04, K1_W05 K1_W02, K1_W04, K1_W05 K1_U01, K1_U06, K1_U07, K1_U09 K1_U02 K1_U01, K1_U02 K1_U06 K1_U01, K1_U02 K1_U08, K1_U09 K1_K01, K1_K04 K1_K01, K1_K04 K1_K05 K1_K02, K1_K03, K1_K04, K1_K05 17

18 KARTA OPISU MODUŁU KSZTAŁCENIA Nazwa modułu Algorytmy i struktury danych Forma zaliczenia (egzamin/zaliczenie) zaliczenie Kierunek studiów Profil kształcenia Rok / semestr Informatyka i Ekonometria ogólnoakademicki I/1 Specjalność Język wykładowy: Moduł (obowiązkowy/do wyboru) wszystkie polski obowiązkowy Godziny Liczba punktów ECTS Wykłady: 15 Ćwiczenia: 15 3 Poziom kształcenia I Blok zajęciowy Liczba punktów A Autor sylabusa Katedra Forma studiów (stacjonarna/niestacjonarna) stacjonarne Data opracowania Obszar kształcenia nauki społeczne Prof. dr hab. Witold Abramowicz Dr Karol Wieloch Katedra Informatyki Ekonomicznej Cele kształcenia dla modułu C1 C2 C3 Wprowadzenie kluczowych pojęć z zakresu algorytmiki i podstaw programowania. Algorytm istota, formalna definicja. Algorytm a program komputerowy. Język formalny, język programowania Poznanie zasad konstruowania algorytmów, wykształcenie umiejętności analizowania algorytmów Poznanie najważniejszych struktur danych C4 Nabycie umiejętności implementowania algorytmu w wybranym języku programowania C5 Poznanie wybranych algorytmów Efekty kształcenia dla modułu Wiedza W1 W2 W3 W4 W5 W6 W7 W8 W9 Zna podstawowe typy danych oraz proste struktury danych: lista, stos, kolejka, tablica Zna różne sposoby zapisu algorytmów Zna pojęcie złożoności obliczeniowej Zna pojęcie rekurencji Zna algorytmy wyszukiwania binarnego oraz wyszukiwania wzorca w tekście Zna pojęcie automatu skończonego Zna złożone struktury danych: graf, drzewo, zbiór, słownik. Zna proste algorytmy operujące na drzewach i grafach Zna najważniejsze algorytmy sortowania Umiejętności U1 Umie zastosować algorytmy trawersowania drzew i grafów dla przykładowych struktur danych 18

19 U2 Umie utworzyć implementację prostego algorytmu w wybranym języku programowania U3 Umie przeanalizować zawartość struktur danych dla wybranych algorytmów U4 Umie przedstawić zasadę działania wybranych algorytmów sortujących U5 Umie wykonać proste obliczenia związane ze złożonością obliczeniową U6 Umie zastosować algorytm Dijkstry dla przykładowych danych wejściowych U7 Umie dobrać właściwą strukturę danych dla potrzeb rozwiązania postawionego problemu Kompetencje społeczne K1 K2 K3 K4 Potrafi przedstawić zasadę działania wybranego algorytmu sortującego Potrafi uzasadnić dobór struktur danych dla wybranych problemów Potrafi samodzielnie analizować problem obliczeniowy w oparciu o informacje dostępne w literaturze Potrafi samodzielnie proponować sposoby rozwiązania problemów obliczeniowych Treści programowe wykłady Cele kształcenia Efekty kształcenia Lp. Treści programowe dla modułu dla modułu 1. Wprowadzenie do algorytmiki C1 W2 2. Złożoność obliczeniowa C2 W3 3. Podstawowe typy i struktury danych C3 W1 4. Algorytmy rekurencyjne C5,C2 W4 5. Problem wyszukiwania C5,C2 W5 6. Automaty skończone C3,C5,C1 W6 7. Zbiory i słowniki C3 W7 8. Grafy C3,C5 W7,W8 9. Drzewa C3,C5 W7,W8 10. Drzewa poszukiwań binarnych C5,C2 W8 Treści programowe ćwiczenia/laboratoria Cele kształcenia Efekty kształcenia Lp. Treści programowe dla modułu dla modułu 1. Wprowadzenie do programowania C1,C3,C4 W1,W2,K3 2. Zastosowania struktur danych - tablice C3 W1,U2,K3 3. Wyszukiwanie binarne - implementacja C2, C4, C5 W2,U2,U3 4. Wyszukiwanie wzorca w tekście - implementacja C2, C4, C5 W2, W1,U2,U3 5. Zastosowania struktur danych stosy i kolejki C3, C1, C4 W2,U2,U3,U7,K2, K3, K4 6. Trawersowanie drzew binarnych C5, C2 W7,W8,U1 7. Trawersowanie grafów C5, C2 W7,W8,U1 8. Algorytm Dijkstry C5, C2, C4 W8,W2,U6,U2,U3 19

20 9. Algorytmy sortujące C5, C2 W9,U4,U3,K1 10. Złożoność obliczeniowa - zadania C2 W3,U5 Literatura Obowiązkowa 1. Wirth N., Algorytmy + struktury danych = programy, WNT, Warszawa Adamski T., Ogrodzki J., Algorytmy komputerowe i struktury danych, Oficyna Wydawnicza Politechniki Warszawskiej, Aho Alfred V., Hopcroft John E., Ullman Jeffrey D., Algorytmy i struktury danych, Helion, Buczek B., Algorytmy. Ćwiczenia, Helion Cormen T.H., Leiserson Ch.E., Riverst R.L., Stein C., Wprowadzenie do algorytmów, WNT, Sysło Maciej M., Algorytmy, Wydawnictwa Szkolne i Pedagogiczne Zalecana 1. Arabas J., Wykład z algorytmów ewaluacyjnych, WNT, Ben-Ari M., Logika matematyczna w informatyce, WNT, Banachowski L., Diks K, RytterW., Algorytmy i struktury danych, WNT, Dańko A., Le T.L., Mirkowska G., Rembelski P., Smyk A., Sydow M., Algorytmy i struktury danych, Wydawnictwo PJWSTK, Harel D., Rzecz o istocie informatyki Algorytmika, WNT, Harris S., Ross J., Algorytmy, Helion, Kotowski P., Algorytmy + struktury danych = abstrakcyjne typy danych, BTC Koffma E., Wolfgang P., Struktury danych i techniki obiektowe, Helion, Swacha J., Podstawy programowania komputerów w języku Python, Wydawnictwo Naukowe Uniwerytetu Szczecińskiego, Wirth N., Algorytmy + struktury danych = programy, WNT, Wirth N., Wstęp do programowania systematycznego, WNT, Wróblewski P., Algorytmy, struktury danych i techniki programowania, Helion, 2003 Wymagania wstępne Podstawy znajomości technologii internetowych, umiejętność posługiwania się systemem operacyjnym Metody nauczania Wykłady, laboratoria komputerowe, dokładna analiza algorytmów, ćwiczenia prowadzone i samodzielne Praca indywidualna studenta Sposób zaliczenia Praca przy wykorzystaniu narzędzi samokształcenia dostępnych na platformie moodle, studia literaturowe, ćwiczenia samodzielne. Zaliczenie końcowe, sprawdzian pisemny Opis sposobu sprawdzenia osiągnięcia efektów kształcenia 20