modelowanych zagadnie technicznych

Wielkość: px
Rozpocząć pokaz od strony:

Download "modelowanych zagadnie technicznych"

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 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 szczegółowo

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka

Modelowanie 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 szczegółowo

Definicje. Najprostszy schemat blokowy. Schemat dokładniejszy

Definicje. 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 szczegółowo

Najprostszy schemat blokowy

Najprostszy 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 szczegółowo

Metody symulacji komputerowych Modelowanie systemów technicznych

Metody 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 szczegółowo

MODELE I MODELOWANIE

MODELE 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 szczegółowo

EFEKTY 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 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 szczegółowo

Liczba godzin Punkty ECTS Sposób zaliczenia

Liczba 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 szczegółowo

Opis efektów kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA. rozumie cywilizacyjne znaczenie matematyki i jej zastosowań

Opis 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 szczegółowo

Jacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa

Jacek 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 szczegółowo

KIERUNKOWE EFEKTY KSZTAŁCENIA

KIERUNKOWE 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 szczegółowo

ODWZOROWANIE RZECZYWISTOŚCI

ODWZOROWANIE RZECZYWISTOŚCI ODWZOROWANIE RZECZYWISTOŚCI RZECZYWISTOŚĆ RZECZYWISTOŚĆ OBIEKTYWNA Ocena subiektywna OPIS RZECZYWISTOŚCI Odwzorowanie rzeczywistości zależy w dużej mierze od możliwości i nastawienia człowieka do otoczenia

Bardziej szczegółowo

3-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 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 szczegółowo

Liczba godzin Punkty ECTS Sposób zaliczenia

Liczba 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 szczegółowo

K.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz

K.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 szczegółowo

Spis treści. Wstęp 13. Część I. UKŁADY REDUKCJI DRGAŃ Wykaz oznaczeń 18. Literatura Wprowadzenie do części I 22

Spis 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 szczegółowo

Uniwersytet 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 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 szczegółowo

Modelowanie i symulacja II Modelling and Simulation II. Automatyka i Robotyka II stopień ogólno akademicki studia stacjonarne

Modelowanie 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 szczegółowo

Ekonometria_FIRJK Arkusz1

Ekonometria_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 szczegółowo

ZARZĄDZANIE I INŻYNIERIA PRODUKCJI

ZARZĄDZANIE 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 szczegółowo

Spis treści Przedmowa

Spis 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 szczegółowo

ECTS Razem 30 Godz. 330

ECTS 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 szczegółowo

zna podstawową terminologię w języku obcym umożliwiającą komunikację w środowisku zawodowym

zna 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 szczegółowo

KIERUNKOWE EFEKTY KSZTAŁCENIA

KIERUNKOWE 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 szczegółowo

UCHWAŁA 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. 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 szczegółowo

WIEDZA T1P_W06. K_W01 ma podstawową wiedzę o zarządzaniu jako nauce, jej miejscu w systemie nauk i relacjach do innych nauk;

WIEDZA 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 szczegółowo

OPIS ZAKŁADANYCH EFEKTÓW KSZTAŁCENIA NA KIERUNKU INŻYNIERIA DANYCH

OPIS 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 szczegółowo

zna metody matematyczne w zakresie niezbędnym do formalnego i ilościowego opisu, zrozumienia i modelowania problemów z różnych

zna 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 szczegółowo

KARTAKURSU. Efekty kształcenia dla kursu Student: W01wykazuje się znajomością podstawowych koncepcji, zasad, praw i teorii obowiązujących w fizyce

KARTAKURSU. 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 szczegółowo

Modelowanie komputerowe

Modelowanie 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 szczegółowo

Spis treści. Przedmowa 11

Spis 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 szczegółowo

Podstawy fizyki: Budowa materii. Podstawy fizyki: Mechanika MS. Podstawy fizyki: Mechanika MT. Podstawy astronomii. Analiza matematyczna I, II MT

Podstawy 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 szczegółowo

a) Szczegółowe efekty kształcenia i ich odniesienie do opisu efektów kształcenia dla obszaru nauk społecznych, technicznych i inżynierskich

a) 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 szczegółowo

Rozwiązywanie równań liniowych. Transmitancja. Charakterystyki częstotliwościowe

Rozwiązywanie 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 szczegółowo

WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI

WYZNACZANIE 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 szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY 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 szczegółowo

KARTA KURSU. Elementy statystyki matematycznej. Mathematical statistics

KARTA 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 szczegółowo

Podstawy metodologiczne symulacji

Podstawy 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 szczegółowo

Inżynierskie 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, 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 szczegółowo

Informacja w perspektywie obliczeniowej. Informacje, liczby i obliczenia

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

Bardziej szczegółowo

Spis 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. 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 szczegółowo

Informatyka wspomaga przedmioty ścisłe w szkole

Informatyka 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 szczegółowo

Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej

Elementy 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 szczegółowo

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

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

Bardziej szczegółowo

MATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH

MATEMATYCZNE 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 szczegółowo

Podsumowanie wyników ankiety

Podsumowanie 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 szczegółowo

Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne

Kierunek: 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 szczegółowo

Transformacja wiedzy w budowie i eksploatacji maszyn

Transformacja 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 szczegółowo

Informatyka. II stopień. Ogólnoakademicki. Stacjonarne/Niestacjonarne. Kierunkowy efekt kształcenia - opis WIEDZA

Informatyka. 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 szczegółowo

Badania operacyjne. Michał Kulej. semestr letni, Michał Kulej () Badania operacyjne semestr letni, / 13

Badania 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 szczegółowo

Obliczenia inspirowane Naturą

Obliczenia 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 szczegółowo

Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015

Metody 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 szczegółowo

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

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

Bardziej szczegółowo

Prawdopodobieństwo geometryczne

Prawdopodobieństwo 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 szczegółowo

Algorytmy i bazy danych (wykład obowiązkowy dla wszystkich)

Algorytmy 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 szczegółowo

Uniwersytet 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 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 szczegółowo

Algorytm. Krótka historia algorytmów

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

Bardziej szczegółowo

2.1.M.06: Modelowanie i wspomaganie komputerowe w inżynierii powierzchni

2.1.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 szczegółowo

INSTRUKCJA DO ĆWICZENIA NR 7

INSTRUKCJA 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 szczegółowo

1. Symulacje komputerowe Idea symulacji Przykład. 2. Metody próbkowania Jackknife Bootstrap. 3. Łańcuchy Markova. 4. Próbkowanie Gibbsa

1. 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 szczegółowo

Odniesienie do efektów kształcenia dla obszaru nauk EFEKTY KSZTAŁCENIA Symbol

Odniesienie 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 szczegółowo

Sterowanie wielkością zamówienia w Excelu - cz. 3

Sterowanie 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 szczegółowo

Cyfrowość i analogowość. Wstępny zarys tematyki metodologicznofilozoficznej

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

Bardziej szczegółowo

Dwuletnie 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) 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 szczegółowo

Opis efektu kształcenia dla programu kształcenia

Opis 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 szczegółowo

Metody badań w naukach ekonomicznych

Metody 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 szczegółowo

Spis treści 377 379 WSTĘP... 9

Spis 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 szczegółowo

POLITECHNIKA ŚLĄSKA WYDZIAŁ GÓRNICTWA I GEOLOGII. Roman Kaula

POLITECHNIKA 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 szczegółowo

Nie do końca zaawansowane elementy programowania w pakiecie R. Tomasz Suchocki

Nie 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 szczegółowo

Dr hab. inż. Jan Duda. Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji

Dr 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 szczegółowo

Informatyka I stopień (I stopień / II stopień) ogólno akademicki (ogólno akademicki / praktyczny) podstawowy (podstawowy / kierunkowy / inny HES)

Informatyka 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 szczegółowo

Metody Ilościowe w Socjologii

Metody 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 szczegółowo

Podstawy Programowania Obiektowego

Podstawy 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 szczegółowo

Opis zakładanych efektów kształcenia

Opis 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 szczegółowo

Opis zakładanych efektów kształcenia

Opis 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 szczegółowo

E-E-A-1008-s5 Komputerowa Symulacja Układów Nazwa modułu. Dynamicznych. Elektrotechnika I stopień Ogólno akademicki. Przedmiot kierunkowy

E-E-A-1008-s5 Komputerowa Symulacja Układów Nazwa modułu. Dynamicznych. Elektrotechnika I stopień Ogólno akademicki. Przedmiot kierunkowy Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu E-E-A-1008-s5 Komputerowa Symulacja Układów Nazwa modułu Dynamicznych Nazwa modułu w języku

Bardziej szczegółowo

P1P efekty kształcenia w obszarze nauk przyrodniczych dla studiów pierwszego stopnia o

P1P 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 szczegółowo

Efekty kształcenia. Tabela efektów kształcenia

Efekty 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 szczegółowo

STUDIA NIESTACJONARNE I STOPNIA Przedmioty kierunkowe

STUDIA 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 szczegółowo

KIERUNKOWE EFEKTY KSZTAŁCENIA

KIERUNKOWE 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 szczegółowo

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną

Liczba 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 szczegółowo

MiASI. Modele, perspektywy, diagramy UML. Piotr Fulmański. 7 grudnia 2009. Wydział Matematyki i Informatyki, Uniwersytet Łódzki, Polska

MiASI. 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 szczegółowo

DWUKROTNA 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 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 szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

zakładane efekty kształcenia

zakładane 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 szczegółowo

KIERUNKOWE EFEKTY KSZTAŁCENIA

KIERUNKOWE 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 szczegółowo

Recenzję wykonano na zlecenie Dziekana Wydziału Elektrycznego Politechniki Warszawskiej (pismo przewodnie z dnia r.)

Recenzję 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 szczegółowo

Modele komunikacji naukowej. Dr hab. Marek Nahotko

Modele 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 szczegółowo

KARTA KURSU. Kod Punktacja ECTS* 1

KARTA 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 szczegółowo

O LICZBACH NIEOBLICZALNYCH I ICH ZWIĄZKACH Z INFORMATYKĄ

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Uchwała 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. 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 szczegółowo

KIERUNKOWE I SPECJALNOŚCIOWE EFEKTY KSZTAŁCENIA

KIERUNKOWE 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 szczegółowo

WYKAZ KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA

WYKAZ 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 szczegółowo

Mechatronika i inteligentne systemy produkcyjne. Modelowanie systemów mechatronicznych Platformy przetwarzania danych

Mechatronika 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 szczegółowo

1. Tabela odniesień efektów kierunkowych do efektów obszarowych z komentarzami

1. 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 szczegółowo

MT 2 N _0 Rok: 1 Semestr: 1 Forma studiów:

MT 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 szczegółowo

UCHWAŁA Nr 17/2013 Senatu Uniwersytetu Wrocławskiego z dnia 27 lutego 2013 r.

UCHWAŁA 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 szczegółowo

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

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

Bardziej szczegółowo