modelowanych zagadnie technicznych
|
|
- Monika Rutkowska
- 8 lat temu
- Przeglądów:
Transkrypt
1 Przegl ą d powszechnie modelowanych zagadnie ń technicznych Wykład 0 - Wprowadzenie Jarosław Rybicki 2008
2 Etymologia symulacji similis (łac.) - podobieństwo, podobny similo (łac.) - podobnie simulare (łac.) - udawać, upodabniać się mimeisthai (grec.) - naśladować, grać rolę imitatio (łac.) - naśladowanie Symulacja: udawanie/naśladowanie zjawiska przy pomocy maszyny, obecnie z reguły komputera.
3 Historia symulacji Herodot opisuje przebieg wieloosobowej gry, odtwarzającej rządzenie w państwie Medów za panowania Astiagesa ok. roku 567 p.n.e. Głównym uczestnikiem tej gry, odtwarzającym rolę króla był Cyrus - przyszły król Persji.
4 Historia symulacji Pomiędzy II-I w. p.n.e. w starożytnym Rzymie pojawiły się ćwiczenia prawnicze o charakterze gier, w których uczestnicy występujący w rolach powoda i pozwanego toczyli spór sądowy (łac. controversiae). Symulacyjne ćwiczenia w sprawowaniu sądów miały także w starożytności charakter zabawowy. Zbiorowe zabawy w sąd miały miejsce w ok. 155 r. we wczesnej edukacji Septymiusza Sewera, przyszłego cesarza Rzymu.
5 Historia symulacji Najwcześniejsza wzmianka o symulacji w zastosowaniach militarnych dotyczy wojennej gry symulacyjnej prowadzonej przez Filopojmena ( r. p.n.e.), przywódcę i stratega Związku Achajskiego, który doskonalił swoją sztukę wojenną poprzez studiowanie i analizę hipotetycznych ruchów wojsk i terenową ich weryfikację.
6 Historia symulacji Lord Kelvin termodynamika dysków Enrico Fermi termalizacja neutronów Los Alamos cokolwiek, do czego potrzebny jest komputer (uzasadnienie kontynuacji prac nad koputerami) Koniec lat 50-tych: metoda cząstek, metoda Monte Carlo
7 Specyfika symulacji Obliczenia a symulacje Symulacja element losowości Symulacja komputer jako podstawowe narzędzie badawcze (Dietrich Stauffer) Symulacja znane oddziaływania elementarne, szukamy zachowań kolektywnych (globalnych)
8 Przykłady typowych symulacji Metoda cząstek: - gromady kuliste; - gaz galaktyk; - ruch zwierząt w stadzie; - struktura materii; -...
9 Metody symulacyjne rodzaje 1. Metody symulacji ciągłej Cecha charakterystyczna: wykorzystanie funkcji ciągłych w opisie formalnym charakterystyk zmiennych stanu systemu (zmiana stanu systemu jako funkcja ciągła); wykorzystanie funkcji ciągłych lub quasi-ciągłych w opisie zjawiska upływu czasu. Przykład: metoda układu równań różniczkowych
10 Metody symulacyjne rodzaje 2. Metody symulacji dyskretnej Cecha charakterystyczna: wykorzystanie funkcji dyskretnych w opisie formalnym charakterystyk zmiennych stanu układu (zmiana stanu układu jako funkcja dyskretna); wykorzystanie funkcji dyskretnych w opisie zjawiska upływu czasu. Przykład: planowanie zdarzeń
11 Metody symulacyjne rodzaje 3. Metody symulacji mieszanej (hybrydowe) Cecha charakterystyczna: wykorzystanie funkcji dyskretnych i ciągłych w opisie formalnym charakterystyk zmiennych stanu układu (zmiana stanu układu jako funkcja dyskretna i ciągła); wykorzystanie funkcji dyskretnych, ciągłych i quasi-ciągłych w opisie zjawiska upływu czasu.
12 Cele symulacji Prognostyczne Cel prognostyczny polega na wyznaczeniu jakościowych i/lub ilościowych charakterystyk funkcjonowania badanego układu dla określonych warunków. Znane: Nieznane: wejście, funkcja transformacji. wyjście.
13 Cele symulacji Identyfikacyjne Cel identyfikacyjny polega na tworzeniu jakościowych i/lub ilościowych opisów zasad (praw) funkcjonowania badanego układu. Znane: Nieznane: wejście, wyjście. funkcja transformacji.
14 Cele symulacji Racjonalizacyjne Cel racjonalizacyjny polega na wyznaczeniu warunków funkcjonowania badanego układu, przy których charakterystyki jakościowe i/lub ilościowe układu spełniają określone kryteria racjonalności (np. optymalizacja). Znane: Nieznane: wyjście, funkcja transformacji. wejście.
15 Warunki stosowania symulacji Brak innych metod Nie istnieją inne sposoby rozwiązania postawionego problemu badawczego (np. brak odpowiedników analitycznych rozważanego modelu, np. w postaci układu równań różniczkowych).
16 Warunki stosowania symulacji Korzyść ekonomiczna, wymogi etyczne lub biologiczne Istnieją inne sposoby rozwiązania postawionego problemu badawczego, lecz ze względu na kryteria ekonomiczne (np. energetyczne, efektywnościowe), etyczne lub biologiczne (np. bezpieczeństwa) uznano je za mniej atrakcyjne od metody symulacyjnej.
17 Zalety symulacji - Uniwersalizm dziedzinowy - Możliwość agregacji lub dezagregacji modelu - Możliwość eliminacji wpływu czynnika czasu obserwacji - Powtarzalność eksperymentu symulacyjnego w tych samych warunkach - Możliwość badań dla warunków nie- lub trudno osiągalnych w rzeczywistości (ekstremalnych) - Możliwość wykonania badań nieniszczących - Możliwość realizacji badań bez konieczności budowy prototypu -...
18 Wady symulacji - Brak meta-reguł tworzenia modeli dziedzinowych - Brak uniwersalnych metod rozstrzygania o poprawności budowanych modeli - Brak możliwości automatyzacji procedur budowy modeli - Względna czasochłonność i duże koszty budowy modeli - Duża wrażliwość efektów badań symulacyjnych na "błędy w sztuce - Nieznajomość wartości potrzebnych parametrów
19 Bł ę dy symulacji - Niepoprawnie określony cel badań symulacyjnych - Nieodpowiedni poziom szczegółowości modelu - Brak wystarczającego dowodu wiarygodności modelu - Użycie niepoprawnych metod i technik konstrukcji modelu - Wnioskowanie indukcyjne wykraczające poza środowisko eksperymentu komputerowego - Pominięcie użytkownika modelu w etapach jego powstawania - Zaniedbanie sfery komunikacji z użytkownikiem w przekazywaniu wyników - Wykroczenia natury etycznej
20 Definicje symulacji Symulacja to odwzorowanie tworzenia historii stanów oryginału tworzeniem historii stanów modelu symulacyjnego.
21 Definicje symulacji Symulację definiujemy jako technikę numeryczną służcą do dokonywania eksperymentów na pewnych rodzajach modeli matematycznych, które opisują przy pomocy maszyny cyfrowej zachowanie się złożonego układu w ciągu długiego okresu czasu [Naylor 1975]
22 Definicje symulacji Definicja G.W.Evansa, G.Wallace'a, G.L.Sutherlanda (1967) Symulacja jest użyciem modelu w celu chronologicznego tworzenia historii stanów modelu, która jest traktowana jako historia stanów modelowanego systemu.
23 Definicje symulacji Definicja G.Gordona (1969) Symulację systemów możemy zdefiniować jako technikę rozwiązywania problemów drogą obserwacji zachowania się w czasie dynamicznego modelu systemu.
24 Definicje symulacji Definicja J.P.C.Kleijnena (1974) Symulację w wąskim sensie definiujemy jako eksperymentowanie w czasie z (abstrakcyjnym) modelem. Eksperymentowanie to obejmuje pobieranie próbek wartości zmiennych stochastycznych uzyskanych na podstawie rozkładów prawdopodobieństw tych zmiennych. Z tego powodu symulacja taka jest nazywana symulacją stochastyczną.
25 Definicje symulacji Definicja J.Gościńskiego (1977) Symulacja to akt reprezentacji niektórych aspektów świata rzeczywistego za pomocą liczb lub symboli, którymi można swobodnie manipulować w celu ułatwienia jego badania. Symulacja jest tworzeniem i wykorzystywaniem modeli w celu wspomagania oceny koncepcji i badania dynamicznych systemów i zjawisk.
26 Definicje symulacji Definicja L.W.Schrubena i B.M.Margolina (1978) Symulacja jest numeryczną techniką komputerową służącą eksperymentalnemu badaniu w czasie procesów stochastycznych lub deterministycznych.
27 Definicje symulacji Definicja A.Metery, J.Pankowa i T.Wacha (1983) Symulacja jest to badanie złożonego układu przedmiotowego (rzeczywistego/hipotetycznego) przez obserwowanie zmian zachodzacych w czasie w dynamicznym modelu tego układu pod wpływem zmieniających się warunków wewnętrznych i zewnętrznych w stosunku do układu.
28 Etapy symulacji 1. Określenie układu, sytuacji i celu budowy modelu 2. Budowa modelu (konceptualizacja, formalizacja) 3. Przygotowanie danych wejściowych symulacji 4. Programowanie modelu (operacjonalizacja modelu) 5. Eksperyment wstępny (ocena modelu) 6. Planowanie eksperymentu symulacyjnego 7. Realizacja eksperymentu symulacyjnego 8. Analiza i interpretacja wyników symulacji 9. Dokumentowanie symulacji 10. Praktyczne wykorzystanie wyników symulacji
Modelowanie 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 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 szczegółowoDefinicje. Najprostszy schemat blokowy. Schemat dokładniejszy
Definicje owanie i symulacja owanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano model, do
Bardziej szczegółowoNajprostszy schemat blokowy
Definicje Modelowanie i symulacja Modelowanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego układu rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano
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 szczegółowoMODELE I MODELOWANIE
MODELE I MODELOWANIE Model układ materialny (np. makieta) lub układ abstrakcyjny (np..rysunki, opisy słowne, równania matematyczne). Model fizyczny (nominalny) opis procesów w obiekcie (fizycznych, również
Bardziej szczegółowoEFEKTY UCZENIA SIĘ DLA KIERUNKU INŻYNIERIA DANYCH W ODNIESIENIU DO EFEKTÓW UCZENIA SIĘ PRK POZIOM 6
EFEKTY UCZENIA SIĘ DLA KIERUNKU INŻYNIERIA DANYCH W ODNIESIENIU DO EFEKTÓW UCZENIA SIĘ PRK POZIOM 6 studia pierwszego stopnia o profilu ogólnoakademickim Symbol K_W01 Po ukończeniu studiów pierwszego stopnia
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia
Wydział: Prawo i Administracja Nazwa kierunku kształcenia: Administracja Rodzaj przedmiotu: podstawowy Opiekun: dr Tomasz Kopczyński Poziom studiów (I lub II stopnia): I stopnia Tryb studiów: Niestacjonarne
Bardziej szczegółowoOpis efektów kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA. rozumie cywilizacyjne znaczenie matematyki i jej zastosowań
TABELA ODNIESIEŃ EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA PROGRAMU KSZTAŁCENIA DO EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA OBSZARU KSZTAŁCENIA I PROFILU STUDIÓW PROGRAM KSZTAŁCENIA: POZIOM KSZTAŁCENIA: PROFIL KSZTAŁCENIA:
Bardziej szczegółowoJacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa
Jacek Skorupski pok. 251 tel. 234-7339 jsk@wt.pw.edu.pl http://skorupski.waw.pl/mmt prezentacje ogłoszenia konsultacje: poniedziałek 16 15-18, sobota zjazdowa 9 40-10 25 Udział w zajęciach Kontrola wyników
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
Zał. nr 1 do Programu kształcenia KIERUNKOWE EFEKTY KSZTAŁCENIA WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INŻYNIERIA SYSTEMÓW Stopień studiów: STUDIA II STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR
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 szczegółowo3-letnie (6-semestralne) stacjonarne studia licencjackie kier. matematyka stosowana profil: ogólnoakademicki. Semestr 1. Przedmioty wspólne
3-letnie (6-semestralne) stacjonarne studia licencjackie kier. matematyka stosowana profil: ogólnoakademicki Semestr 1 Przedmioty wspólne Nazwa przedmiotu ECTS W Ć L P S Zal. Algebra liniowa z geometrią
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia
Wydział: Prawo i Administracja Nazwa kierunku kształcenia: Administracja Rodzaj przedmiotu: podstawowy Opiekun: dr Tomasz Kopczyński Poziom studiów (I lub II stopnia): I stopnia Tryb studiów: Stacjonarne
Bardziej szczegółowoK.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz
K.Pieńkosz Wprowadzenie 1 dr inż. Krzysztof Pieńkosz Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej pok. 560 A tel.: 234-78-64 e-mail: K.Pienkosz@ia.pw.edu.pl K.Pieńkosz Wprowadzenie
Bardziej szczegółowoSpis treści. Wstęp 13. Część I. UKŁADY REDUKCJI DRGAŃ Wykaz oznaczeń 18. Literatura Wprowadzenie do części I 22
Spis treści Wstęp 13 Literatura - 15 Część I. UKŁADY REDUKCJI DRGAŃ - 17 Wykaz oznaczeń 18 1. Wprowadzenie do części I 22 2. Teoretyczne podstawy opisu i analizy układów wibroizolacji maszyn 30 2.1. Rodzaje
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 2016/2017 Studia stacjonarne I
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 szczegółowoEkonometria_FIRJK Arkusz1
Rok akademicki: Grupa przedmiotów Numer katalogowy: Nazwa przedmiotu 1) : łumaczenie nazwy na jęz. angielski 3) : Kierunek studiów 4) : Ekonometria Econometrics Ekonomia ECS 2) Koordynator przedmiotu 5)
Bardziej szczegółowoZARZĄDZANIE I INŻYNIERIA PRODUKCJI
ZARZĄDZANIE I INŻYNIERIA PRODUKCJI STUDIA PIERWSZEGO STOPNIA PROFIL OGÓLNOAKADEMICKI Załącznik nr 2 Odniesienie efektów kierunkowych do efektów obszarowych i odwrotnie Załącznik nr 2a - Tabela odniesienia
Bardziej szczegółowoSpis treści Przedmowa
Spis treści Przedmowa 1. Wprowadzenie do problematyki konstruowania - Marek Dietrich (p. 1.1, 1.2), Włodzimierz Ozimowski (p. 1.3 -i-1.7), Jacek Stupnicki (p. l.8) 1.1. Proces konstruowania 1.2. Kryteria
Bardziej szczegółowoECTS Razem 30 Godz. 330
3-letnie stacjonarne studia licencjackie kier. Matematyka profil: ogólnoakademicki Semestr 1 Przedmioty wspólne Algebra liniowa z geometrią analityczną I 7 30 30 E Analiza matematyczna I 13 60 60 E Technologie
Bardziej szczegółowozna podstawową terminologię w języku obcym umożliwiającą komunikację w środowisku zawodowym
Wykaz kierunkowych efektów kształcenia PROGRAM KSZTAŁCENIA: Kierunek Edukacja techniczno-informatyczna POZIOM KSZTAŁCENIA: studia pierwszego stopnia PROFIL KSZTAŁCENIA: praktyczny Przyporządkowanie kierunku
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
Zał. nr 1 do Programu kształcenia KIERUNKOWE EFEKTY KSZTAŁCENIA WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: Inżynieria Systemów Stopień studiów: STUDIA I STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR
Bardziej szczegółowoUCHWAŁA NR 71/2017 SENATU UNIWERSYTETU WROCŁAWSKIEGO z dnia 31 maja 2017 r.
UCHWAŁA NR 71/2017 SENATU UNIWERSYTETU WROCŁAWSKIEGO z dnia 31 maja 2017 r. zmieniająca uchwałę w sprawie efektów kształcenia dla kierunków studiów prowadzonych w Uniwersytecie Wrocławskim Na podstawie
Bardziej szczegółowoWIEDZA T1P_W06. K_W01 ma podstawową wiedzę o zarządzaniu jako nauce, jej miejscu w systemie nauk i relacjach do innych nauk;
SYMBOL Efekty kształcenia dla kierunku studiów: inżynieria zarządzania; Po ukończeniu studiów pierwszego stopnia na kierunku inżynieria zarządzania, absolwent: Odniesienie do obszarowych efektów kształcenia
Bardziej szczegółowoOPIS ZAKŁADANYCH EFEKTÓW KSZTAŁCENIA NA KIERUNKU INŻYNIERIA DANYCH
Załącznik nr 2 do Uchwały Rady Wydziału Matematyki, Informatyki i Ekonometrii UZ z dnia 20 lutego 2013 roku OPIS ZAKŁADANYCH EFEKTÓW KSZTAŁCENIA NA KIERUNKU INŻYNIERIA DANYCH Podczas tworzenia programu
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 szczegółowoKARTAKURSU. Efekty kształcenia dla kursu Student: W01wykazuje się znajomością podstawowych koncepcji, zasad, praw i teorii obowiązujących w fizyce
KARTAKURSU Nazwa Modelowanie zjawisk i procesów w przyrodzie Nazwa w j. ang. Kod Modelling of natural phenomena and processes Punktacja ECTS* 1 Koordynator Dr Dorota Sitko ZESPÓŁDYDAKTYCZNY: Dr Dorota
Bardziej szczegółowoModelowanie komputerowe
Modelowanie komputerowe wykład 1- Generatory liczb losowych i ich wykorzystanie dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 5,12 października 2016 r.
Bardziej szczegółowoSpis treści. Przedmowa 11
Podstawy konstrukcji maszyn. T. 1 / autorzy: Marek Dietrich, Stanisław Kocańda, Bohdan Korytkowski, Włodzimierz Ozimowski, Jacek Stupnicki, Tadeusz Szopa ; pod redakcją Marka Dietricha. wyd. 3, 2 dodr.
Bardziej szczegółowoPodstawy fizyki: Budowa materii. Podstawy fizyki: Mechanika MS. Podstawy fizyki: Mechanika MT. Podstawy astronomii. Analiza matematyczna I, II MT
Zajęcia wyrównawcze z matematyki Zajęcia wyrównawcze z fizyki Analiza matematyczna I, II MS Analiza matematyczna I, II MT Podstawy fizyki: Budowa materii Podstawy fizyki: Mechanika MS Podstawy fizyki:
Bardziej szczegółowoa) Szczegółowe efekty kształcenia i ich odniesienie do opisu efektów kształcenia dla obszaru nauk społecznych, technicznych i inżynierskich
1. PROGRAM KSZTAŁCENIA 1) OPIS EFEKTÓW KSZTAŁCENIA a) Szczegółowe efekty i ich odniesienie do opisu dla obszaru nauk społecznych, technicznych i inżynierskich Objaśnienie oznaczeń: I efekty kierunkowe
Bardziej szczegółowoRozwiązywanie równań liniowych. Transmitancja. Charakterystyki częstotliwościowe
Zał. nr do ZW 33/01 WYDZIAŁ Informatyki i Zarządzania / STUDIUM KARTA PRZEDMIOTU Nazwa w języku polskim Modele systemów dynamicznych Nazwa w języku angielskim Dynamic Systems Models. Kierunek studiów (jeśli
Bardziej szczegółowoWYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoKARTA KURSU. Elementy statystyki matematycznej. Mathematical statistics
KARTA KURSU Nazwa Nazwa w j. ang. Elementy statystyki matematycznej Mathematical statistics Kod Punktacja ECTS* 5 Koordynator Dr Ireneusz Krech Zespół dydaktyczny: Dr Ireneusz Krech Dr Grażyna Krech Opis
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 szczegółowoInżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, Spis treści
Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, 2017 Spis treści Od autorów 11 I. Klasyczne metody numeryczne Rozdział 1. Na początek 15 1.1.
Bardziej szczegółowoInformacja w perspektywie obliczeniowej. Informacje, liczby i obliczenia
Informacja w perspektywie obliczeniowej Informacje, liczby i obliczenia Cztery punkty odniesienia (dla pojęcia informacji) ŚWIAT ontologia fizyka UMYSŁ psychologia epistemologia JĘZYK lingwistyka nauki
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoInformatyka wspomaga przedmioty ścisłe w szkole
Informatyka wspomaga przedmioty ścisłe w szkole Prezentuje : Dorota Roman - Jurdzińska W arkuszu I na obu poziomach występują dwa zadania związane z algorytmiką: Arkusz I bez komputera analiza algorytmów,
Bardziej szczegółowoElementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej
Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoM T E O T D O ZI Z E E A LG L O G R O Y R TM
O ALGORYTMACH I METODZIE ALGORYTMICZNEJ Czym jest algorytm? Czym jest algorytm? przepis schemat zestaw reguł [ ] program ALGORYTM (objaśnienie ogólne) Algorytm Pojęcie o rodowodzie matematycznym, oznaczające
Bardziej szczegółowoMATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH
MATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH 1. Przedmiot nie wymaga przedmiotów poprzedzających 2. Treść przedmiotu Proces i cykl decyzyjny. Rola modelowania matematycznego w procesach decyzyjnych.
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 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 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 szczegółowoInformatyka. II stopień. Ogólnoakademicki. Stacjonarne/Niestacjonarne. Kierunkowy efekt kształcenia - opis WIEDZA
Załącznik nr 6 do uchwały nr 509 Senatu Uniwersytetu Zielonogórskiego z dnia 25 kwietnia 2012 r. w sprawie określenia efektów kształcenia dla kierunków studiów pierwszego i drugiego stopnia prowadzonych
Bardziej szczegółowoBadania operacyjne. Michał Kulej. semestr letni, Michał Kulej () Badania operacyjne semestr letni, / 13
Badania operacyjne Michał Kulej semestr letni, 2012 Michał Kulej () Badania operacyjne semestr letni, 2012 1/ 13 Literatura podstawowa Wykłady na stronie: www.ioz.pwr.wroc.pl/pracownicy/kulej Trzaskalik
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 szczegółowoMetody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015
Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015 1 Metody numeryczne Dział matematyki Metody rozwiązywania problemów matematycznych za pomocą operacji na liczbach. Otrzymywane
Bardziej szczegółowoKierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa, Inżynieria oprogramowania, Technologie internetowe
:Informatyka- - inż., rok I specjalność: Grafika komputerowa, Inżynieria oprogramowania, Technologie internetowe Metody uczenia się i studiowania 1 Podstawy prawa i ergonomii pracy 1 25 2 Podstawy ekonomii
Bardziej 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 szczegółowoAlgorytmy i bazy danych (wykład obowiązkowy dla wszystkich)
MATEMATYKA I EKONOMIA PROGRAM STUDIÓW DLA II STOPNIA Data: 2010-11-07 Opracowali: Krzysztof Rykaczewski Paweł Umiński Streszczenie: Poniższe opracowanie przedstawia projekt planu studiów II stopnia na
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 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 szczegółowo2.1.M.06: Modelowanie i wspomaganie komputerowe w inżynierii powierzchni
2nd Workshop on Foresight of surface properties formation leading technologies of engineering materials and biomaterials in Białka Tatrzańska, Poland 29th-30th November 2009 1 Panel nt. Procesy wytwarzania
Bardziej szczegółowoINSTRUKCJA DO ĆWICZENIA NR 7
KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 7 PRZEDMIOT TEMAT OPRACOWAŁ LABORATORIUM MODELOWANIA Przykładowe analizy danych: przebiegi czasowe, portrety
Bardziej szczegółowo1. Symulacje komputerowe Idea symulacji Przykład. 2. Metody próbkowania Jackknife Bootstrap. 3. Łańcuchy Markova. 4. Próbkowanie Gibbsa
BIOINFORMATYKA 1. Wykład wstępny 2. Bazy danych: projektowanie i struktura 3. Równowaga Hardyego-Weinberga, wsp. rekombinacji 4. Analiza asocjacyjna 5. Analiza asocjacyjna 6. Sekwencjonowanie nowej generacji
Bardziej szczegółowoOdniesienie do efektów kształcenia dla obszaru nauk EFEKTY KSZTAŁCENIA Symbol
KIERUNKOWE EFEKTY KSZTAŁCENIA Wydział Informatyki i Zarządzania Kierunek studiów INFORMATYKA (INF) Stopień studiów - pierwszy Profil studiów - ogólnoakademicki Projekt v1.0 z 18.02.2015 Odniesienie do
Bardziej szczegółowoSterowanie wielkością zamówienia w Excelu - cz. 3
Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji
Bardziej szczegółowoCyfrowość i analogowość. Wstępny zarys tematyki metodologicznofilozoficznej
Cyfrowość i analogowość Wst pny zarys tematyki Wstępny zarys tematyki metodologicznofilozoficznej Motywacja 1. Nawet w dziedzinie problemów jasno określonych, kodowanych adekwatnie do możliwości maszyn
Bardziej 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 szczegółowoOpis efektu kształcenia dla programu kształcenia
TABELA ODNIESIEŃ EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA PROGRAMU KSZTAŁCENIA DO EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA OBSZARU KSZTAŁCENIA I PROFILU STUDIÓW PROGRAM KSZTAŁCENIA: Kierunek Fizyka Techniczna POZIOM
Bardziej szczegółowoMetody badań w naukach ekonomicznych
Metody badań w naukach ekonomicznych Tomasz Poskrobko Metodyka badań naukowych Metody badań ilościowe jakościowe eksperymentalne Metody badań ilościowe jakościowe eksperymentalne Metody ilościowe metody
Bardziej szczegółowoSpis treści 377 379 WSTĘP... 9
Spis treści 377 379 Spis treści WSTĘP... 9 ZADANIE OPTYMALIZACJI... 9 PRZYKŁAD 1... 9 Założenia... 10 Model matematyczny zadania... 10 PRZYKŁAD 2... 10 PRZYKŁAD 3... 11 OPTYMALIZACJA A POLIOPTYMALIZACJA...
Bardziej szczegółowoPOLITECHNIKA ŚLĄSKA WYDZIAŁ GÓRNICTWA I GEOLOGII. Roman Kaula
POLITECHNIKA ŚLĄSKA WYDZIAŁ GÓRNICTWA I GEOLOGII Roman Kaula ZASTOSOWANIE NOWOCZESNYCH NARZĘDZI INŻYNIERSKICH LabVIEW oraz MATLAB/Simulink DO MODELOWANIA UKŁADÓW DYNAMICZNYCH PLAN WYKŁADU Wprowadzenie
Bardziej szczegółowoNie do końca zaawansowane elementy programowania w pakiecie R. Tomasz Suchocki
Nie do końca zaawansowane elementy programowania w pakiecie R Tomasz Suchocki Plan wykładu Metody Monte Carlo Jak bardzo można przybliżyć liczbę π? Całkowanie numeryczne R w Linuxie Tinn-R Metody Monte
Bardziej szczegółowoDr hab. inż. Jan Duda. Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji
Automatyzacja i Robotyzacja Procesów Produkcyjnych Dr hab. inż. Jan Duda Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji Podstawowe pojęcia Automatyka Nauka o metodach i układach sterowania
Bardziej szczegółowoInformatyka I stopień (I stopień / II stopień) ogólno akademicki (ogólno akademicki / praktyczny) podstawowy (podstawowy / kierunkowy / inny HES)
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoPodstawy Programowania Obiektowego
Podstawy Programowania Obiektowego Wprowadzenie do programowania obiektowego. Pojęcie struktury i klasy. Spotkanie 03 Dr inż. Dariusz JĘDRZEJCZYK Tematyka wykładu Idea programowania obiektowego Definicja
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 szczegółowoOpis zakładanych efektów kształcenia
Załącznik nr.. Opis zakładanych efektów kształcenia Kierunek studiów: technika rolnicza i leśna Poziom kształcenia: studia pierwszego stopnia Tytuł zawodowy: inżynier Profil kształcenia: ogólnoakademicki
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 szczegółowoP1P efekty kształcenia w obszarze nauk przyrodniczych dla studiów pierwszego stopnia o
Załącznik do Uchwały Nr XXIII 22.8/15 z dnia 28 stycznia 2015 r. w brzmieniu nadanym Uchwałą Nr XXIII 29.4/15 z dnia 25 listopada 2015 r. Efekty kształcenia dla kierunku studiów AGROCHEMIA - studia I stopnia,
Bardziej szczegółowoEfekty kształcenia. Tabela efektów kształcenia
Efekty kształcenia Tabela efektów kształcenia W opisie efektów kierunkowych uwzględniono wszystkie efekty kształcenia występujące w obszarze kształcenia w zakresie nauk technicznych. Objaśnienie oznaczeń:
Bardziej szczegółowoSTUDIA NIESTACJONARNE I STOPNIA Przedmioty kierunkowe
STUDIA NIESTACJONARNE I STOPNIA Przedmioty kierunkowe Technologie informacyjne prof. dr hab. Zdzisław Szyjewski 1. Rola i zadania systemu operacyjnego 2. Zarządzanie pamięcią komputera 3. Zarządzanie danymi
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
KIERUNKOWE EFEKTY KSZTAŁCENIA Wydział: Matematyki Kierunek studiów: Matematyka i Statystyka (MiS) Studia w j. polskim Stopień studiów: Pierwszy (1) Profil: Ogólnoakademicki (A) Umiejscowienie kierunku
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną
Wydział: Zarządzanie i Finanse Nazwa kierunku kształcenia: Zarządzanie Rodzaj przedmiotu: podstawowy Opiekun: dr Tomasz Kopczyński Poziom studiów (I lub II stopnia): I stopnia Tryb studiów: Niestacjonarne
Bardziej szczegółowoMiASI. Modele, perspektywy, diagramy UML. Piotr Fulmański. 7 grudnia 2009. Wydział Matematyki i Informatyki, Uniwersytet Łódzki, Polska
MiASI Modele, perspektywy, diagramy UML Piotr Fulmański Wydział Matematyki i Informatyki, Uniwersytet Łódzki, Polska 7 grudnia 2009 Spis treści 1 Modele, perspektywy, diagramy Czym jest model? Do czego
Bardziej szczegółowoDWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI
DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI mgr Marcin Pawlak Katedra Inwestycji i Wyceny Przedsiębiorstw Plan wystąpienia
Bardziej szczegółowoZałącznik 2. Symbol efektu obszarowego. Kierunkowe efekty uczenia się (wiedza, umiejętności, kompetencje) dla całego programu kształcenia
Załącznik 2 Opis kierunkowych efektów kształcenia w odniesieniu do efektów w obszarze kształcenia nauk ścisłych profil ogólnoakademicki Kierunek informatyka, II stopień, tryb niestacjonarny. Oznaczenia
Bardziej szczegółowoZałącznik 2. Symbol efektu obszarowego. Kierunkowe efekty uczenia się (wiedza, umiejętności, kompetencje) dla całego programu kształcenia
Załącznik 2 Opis kierunkowych efektów kształcenia w odniesieniu do efektów w obszarze kształcenia nauk ścisłych profil ogólnoakademicki Kierunek informatyka, II stopień. Oznaczenia efektów obszarowych
Bardziej szczegółowozakładane efekty kształcenia
Załącznik nr 1 do uchwały nr 41/2018 Senatu Politechniki Śląskiej z dnia 28 maja 2018 r. Efekty kształcenia dla kierunku: INFORMATYKA WYDZIAŁ AUTOMATYKI, ELEKTRONIKI I INFORMATYKI WYDZIAŁ ELEKTRYCZNY nazwa
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
Załącznik nr 14 do uchwały Senatu PK n 110/d/11/2017 z dnia 22 listopada 2017 r. Politechnika Krakowska im. Tadeusza Kościuszki w Krakowie Nazwa wydziału lub wydziałów: Wydział Mechaniczny Nazwa kierunku:
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 szczegółowoModele komunikacji naukowej. Dr hab. Marek Nahotko
Modele komunikacji naukowej Dr hab. Marek Nahotko 1 MODELE I MODELOWANIE Model Model jest uproszczoną reprezentacją systemu, w czasie i przestrzeni, stworzoną w zamiarze zrozumienia zachowania systemu
Bardziej szczegółowoKARTA KURSU. Kod Punktacja ECTS* 1
KARTA KURSU Nazwa Nazwa w j. ang. Wprowadzenie do statystyki Introduction to statistics Kod Punktacja ECTS* 1 Koordynator Prof. dr hab. Jerzy Wołek Zespół dydaktyczny Prof. dr hab. Jerzy Wołek doktoranci
Bardziej szczegółowoO LICZBACH NIEOBLICZALNYCH I ICH ZWIĄZKACH Z INFORMATYKĄ
O LICZBACH NIEOBLICZALNYCH I ICH ZWIĄZKACH Z INFORMATYKĄ Jakie obiekty matematyczne nazywa się nieobliczalnymi? Jakie obiekty matematyczne nazywa się nieobliczalnymi? Najczęściej: a) liczby b) funkcje
Bardziej szczegółowoKierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa
:Informatyka- - inż., rok I specjalność: Grafika komputerowa Rok akademicki 018/019 Metody uczenia się i studiowania. 1 Podstawy prawne. 1 Podstawy ekonomii. 1 Matematyka dyskretna. 1 30 Wprowadzenie do
Bardziej szczegółowoUchwała Nr 4/2014/I Senatu Politechniki Lubelskiej z dnia 23 stycznia 2014 r.
Uchwała Nr 4/2014/I Senatu Politechniki Lubelskiej z dnia 23 stycznia 2014 r. w sprawie określenia efektów kształcenia dla studiów pierwszego stopnia na kierunku inżynieria odnawialnych źródeł energii,
Bardziej szczegółowoKIERUNKOWE I SPECJALNOŚCIOWE EFEKTY KSZTAŁCENIA
KIERUNKOWE I SPECJALNOŚCIOWE EFEKTY KSZTAŁCENIA Wydział: Matematyki Kierunek studiów: Applied Mathematics Studia w j. angielskim Stopień studiów: Drugi (2) Profil: Ogólnoakademicki (A) Umiejscowienie kierunku
Bardziej szczegółowoWYKAZ KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA
WYKAZ KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA Symbol kierunkowego efektu K1P_W01 K1P_W02 K1P_W03 K1P _W04 K1P _W05 K1P_W06 K1P_W07 K1P_W08 K1P_W09 K1P_W10 K1P_W11 K1P_W12 K1P_U01 K1P_U02 K1P_U03 K1P_U04 K1P_U05
Bardziej szczegółowoMechatronika i inteligentne systemy produkcyjne. Modelowanie systemów mechatronicznych Platformy przetwarzania danych
Mechatronika i inteligentne systemy produkcyjne Modelowanie systemów mechatronicznych Platformy przetwarzania danych 1 Sterowanie procesem oparte na jego modelu u 1 (t) System rzeczywisty x(t) y(t) Tworzenie
Bardziej szczegółowo1. Tabela odniesień efektów kierunkowych do efektów obszarowych z komentarzami
EFEKTY KSZTAŁCENIA 1. Tabela odniesień efektów kierunkowych do efektów obszarowych z komentarzami Kierunkowy efekt kształcenia - symbol K_W01 K_W02 K_W03 K_W04 K_W05 K_W06 K_W07 K_W08 Kierunkowy efekt
Bardziej szczegółowoMT 2 N _0 Rok: 1 Semestr: 1 Forma studiów:
Mechatronika Studia drugiego stopnia Przedmiot: Diagnostyka maszyn Rodzaj przedmiotu: obowiązkowy Kod przedmiotu: MT N 0 1 1-0_0 Rok: 1 Semestr: 1 Forma studiów: Studia niestacjonarne Rodzaj zajęć i liczba
Bardziej szczegółowoUCHWAŁA Nr 17/2013 Senatu Uniwersytetu Wrocławskiego z dnia 27 lutego 2013 r.
UCHWAŁA Nr 17/2013 zmieniająca uchwałę w sprawie efektów kształcenia dla kierunków studiów prowadzonych w Uniwersytecie Wrocławskim Na podstawie art. 11 ust. 1 ustawy z dnia 27 lipca 2005 r. Prawo o szkolnictwie
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 szczegółowo