docInteligentne systemy obliczeniowe
download 
Reklamacja Transkrypt
Inteligentne systemy obliczeniowe
Nazwa przedmiotu: INTELIGENTNE SYSTEMY OBLICZENIOWE Systems Based on Computational Intelligence Kierunek: Forma studiów: Kod przedmiotu: Inżynieria Biomedyczna studia stacjonarne Rodzaj przedmiotu: Poziom kwalifikacji: obowiązkowy moduł specjalności informatyka medyczna I stopnia S1_10_ss Rok: III Semestr: VI Rodzaj zajęć: Liczba godzin/tydzień: Liczba punktów: E wykład, laboratorium 2W , 2L 5 ECTS PRZEWODNIK PO PRZEDMIOCIE I KARTA PRZEDMIOTU CEL PRZEDMIOTU C1. Zapoznanie studentów z podstawowymi zagadnieniami z dziedziny inteligencji obliczeniowej. C2. Poznanie algorytmów inteligencji obliczeniowej. C3. Praktyczne wykorzystanie algorytmów inteligencji komputerowej . WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI 1. Umiejętność programowania w językach wysokiego poziomu. 2. Wiedza z podstaw analizy matematycznej. 3. Podstawowa wiedza ze sztucznej inteligencji. EFEKTY KSZTAŁCENIA EK1 – znajomość matematycznych podstaw inteligencji obliczeniowej. EK2 – Znajomość podstawowych algorytmów inteligentnych systemów obliczeniowych. EK3 – Umiejętność przygotowania danych dla potrzeb systemów obliczeniowych. EK4 – umiejętność zaprogramowania algorytmów inteligencji obliczeniowej. WIMiI_IB_Ist_S1_10_ss – Cykl kształcenia rozpoczynający się w roku akademickim 2013/2014 1/5 TREŚCI PROGRAMOWE Forma zajęć – WYKŁADY W 1 – Wprowadzenie do inteligencji obliczeniowej. W 2 – Sztuczne sieci neuronowe – wybrane modele, budowa, uczenie, zastosowanie. W 3 – Algorytmy niedeterministyczne: Monte Carlo, symulowane wyżarzanie. W 4 – Algorytmy ewolucyjne – działanie, rodzaje algorytmów. W 5 – Logika rozmyta – pojęcie zbioru rozmytego, przybliżone wnioskowanie. W 6 – Sterowniki rozmyte – budowa, działanie, zastosowanie. W 7 – Sterowniki neuronowo-rozmyte – budowa, działanie, zastosowanie. Forma zajęć – LABORATORIUM L 1 – Zapoznanie z funkcjonalnością oprogramowana wykorzystywanego w ramach realizacji ćwiczeń L 2 – Symulacje działania różnych typów sieci neuronowych – analiza algorytmów, implementacja, testy L 3 – Implementacja algorytmu ewolucyjnego - analiza algorytmu, implementacja, testy L 4 – Symulacja działania sterownika rozmytego – analiza algorytmu, symulacje L 5 – Przykładowe zastosowanie sieci neuronowej L 6 – Przykładowe zastosowanie algorytmu ewolucyjnego L 7 – Przykładowe zastosowanie systemów rozmytych L 8 – Sprawdzian wiadomości Liczba godzin 2 8 4 4 4 4 4 Liczba godzin 2 8 6 6 2 2 2 2 NARZĘDZIA DYDAKTYCZNE 1. – wykład z wykorzystaniem prezentacji multimedialnych 2. – instrukcje do wykonania ćwiczeń laboratoryjnych 3. – materiały w Internecie – biblioteki, dokumentacje, przykłady 4. – stanowiska do ćwiczeń wyposażone w komputer SPOSOBY OCENY ( F – FORMUJĄCA, P – PODSUMOWUJĄCA) F1. – ocena przygotowania do ćwiczeń laboratoryjnych F2. – ocena umiejętności stosowania zdobytej wiedzy podczas wykonywania ćwiczeń F3. – ocena uzyskana na sprawdzianie wiadomości F4. – ocena aktywności podczas zajęć P1. – ocena umiejętności rozwiązywania postawionych problemów oraz sposobu prezentacji uzyskanych wyników P2. – ocena opanowania materiału nauczania będącego przedmiotem wykładu – egzamin WIMiI_IB_Ist_S1_10_ss – Cykl kształcenia rozpoczynający się w roku akademickim 2013/2014 2/5 OBCIĄŻENIE PRACĄ STUDENTA Forma aktywności Godziny kontaktowe z prowadzącym Średnia liczba godzin na zrealizowanie aktywności 30W 30L 60 godz. Godziny konsultacji z prowadzącym 5 godz. Zapoznanie się ze wskazaną literaturą 20 godz. Przygotowanie do ćwiczeń laboratoryjnych 25 godz. Przygotowanie do egzaminu 12 godz. egzamin Suma LICZBA PUNKTÓW ECTS DLA PRZEDMIOTU Liczba punktów ECTS, którą student uzyskuje na zajęciach wymagających bezpośredniego udziału prowadzącego Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym, w tym zajęć laboratoryjnych i projektowych 3 godz. 125 godz. 5 ECTS 2,7 ECTS 2,2 ECTS LITERATURA PODSTAWOWA I UZUPEŁNIAJĄCA 1. L. Rutkowski, Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2005. 2. J. S. Osowski, Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa 1996. 3. D. Rutkowska, M. Piliński, L. Rutkowski, Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN, Warszawa-Łódź, 1997 4. J. Arabas, Wykłady z algorytmów ewolucyjnych. WNT, Warszawa, 2001 5. A. Piegat, Modelowanie i sterowanie rozmyte, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 1999. PROWADZĄCY PRZEDMIOT ( IMIĘ, NAZWISKO, ADRES E-MAIL) 1. Dr inż. Rafał Scherer 2. dr inż. Marcin Korytkowski WIMiI_IB_Ist_S1_10_ss – Cykl kształcenia rozpoczynający się w roku akademickim 2013/2014 3/5 MACIERZ REALIZACJI EFEKTÓW KSZTAŁCENIA Efekt kształcenia EK1 EK2 EK3 EK4 Odniesienie danego efektu do efektów zdefiniowanych dla całego programu (PEK) K_W02 KIM_W07 KIM_W10 K_W02 KIM_W07 KIM_W10 K_W02 KIM_W07 KIM_W10 KIM_U01 KIM_U09 K_W02 KIM_W07 KIM_W10 KIM_U01 KIM_U09 Cele przedmiotu Treści programowe Narzędzia dydaktyczne Sposób oceny C1 W1, W2 1, 3 F3 P2 C1, C2 W2, W3, W4, W5, W6, W7 1, 3 F3 P2 C3 L1, L5, L6, L7 2,3,4 F1, F2, F4 P1 C2, C3 L2, L3, L4 2,3,4 F1, F3, F4 P1 WIMiI_IB_Ist_S1_10_ss – Cykl kształcenia rozpoczynający się w roku akademickim 2013/2014 4/5 II. FORMY OCENY - SZCZEGÓŁY Na ocenę 2 Efekty kształcenia EK 1, EK 2 Student opanował wiedzę z zakresu inteligencji obliczeniowej, potrafi znaleźć zastosowanie tych metod EK 3, EK 4 Student posiada umiejętności stosowania wiedzy w praktycznym rozwiązywaniu problemów związanych z inteligencją obliczeniową Na ocenę 3 Na ocenę 4 Na ocenę 5 Student nie opanował podstawowej wiedzy z zakresu inteligencji obliczeniowej Student częściowo opanował wiedzę z zakresu inteligencji obliczeniowej Student opanował wiedzę z zakresu inteligencji obliczeniowej, potrafi samodzielnie zastosować zdobytą wiedzę Student bardzo dobrze opanował wiedzę z zakresu materiału objętego programem nauczania, samodzielnie zdobywa i poszerza wiedzę przy użyciu różnych źródeł. Skutecznie wskazuje miejsca jej zastosowania. Student nie potrafi zastosować/zaprogra mować/zrozumieć przykładowych algorytmów inteligencji obliczeniowej nawet z pomocą wytyczonych instrukcji oraz prowadzącego Student nie potrafi wykorzystać zdobytej wiedzy, zadania wynikające z realizacji ćwiczeń wykonuje z pomocą prowadzącego Student poprawnie wykorzystuje wiedzę oraz samodzielnie rozwiązuje problemy wynikające w trakcie realizacji ćwiczeń Student potrafi samodzielnie przeanalizować algorytm, zaimplementować, go i wskazać praktyczne zastosowania, potrafi dokonać oceny oraz uzasadnić trafność przyjętych metod Dopuszcza się wystawienie oceny połówkowej o ile student spełniający wszystkie efekty kształcenia wymagane do oceny pełnej spełnia niektóre efekty kształcenia odpowiadające ocenie wyższej. III. INNE PRZYDATNE INFORMACJE O PRZEDMIOCIE Wszelkie informacje dla studentów dotyczące przedmiotu w tym harmonogramu odbywania zajęć, warunków zaliczenia oraz konsultacji są przekazywane podczas pierwszych zajęć z przedmiotu oraz umieszczone są na tablicach informacyjnych Instytutu Inteligentnych Systemów Informatycznych. WIMiI_IB_Ist_S1_10_ss – Cykl kształcenia rozpoczynający się w roku akademickim 2013/2014 5/5
