Sztuczna inteligencja i systemy eksperckie
Informacje ogólne
Kod przedmiotu: | W1-KO-N1-SISE |
Kod Erasmus / ISCED: | (brak danych) / (brak danych) |
Nazwa przedmiotu: | Sztuczna inteligencja i systemy eksperckie |
Jednostka: | Wydział Humanistyczny |
Grupy: | |
Punkty ECTS i inne: |
4.00
|
Język prowadzenia: | polski |
Rodzaj przedmiotu: | obowiązkowy |
Zajęcia w cyklu "semestr zimowy 2020/2021" (zakończony)
Okres: | 2020-10-01 - 2021-02-21 |
Przejdź do planu
PN WT ŚR CZ PT SO W
N K
|
Typ zajęć: |
Konwersatorium, 15 godzin
Wykład, 10 godzin
|
|
Koordynatorzy: | Piotr Paszek | |
Prowadzący grup: | Piotr Paszek | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę Wykład - Zaliczenie na ocenę |
|
Sposób ustalania oceny końcowej: | Na ocenę końcową składają się: ocena uzyskana z laboratorium (waga 2/3) oraz ocena testu pisemnego ze znajomości treści wykładów (1/3); obie oceny muszą być pozytywne (co najmniej 3,0). |
|
Pełny opis: |
Cel modułu to zapoznanie studentów z wybranymi kierunkami badań w sztucznej inteligencji (SI), ze szczególnym uwzględnieniem systemów ekspertowych (SE) i algorytmów ewolucyjnych (AE). Studenci poznają podstawowe zagadnienia dotyczące systemów ekspertowych i algorytmów ewolucyjnych. Wiedza ta wykorzystywana jest m.in. do budowy regułowego systemu ekspertowego z wykorzystaniem pakietu Sphinks. |
Zajęcia w cyklu "semestr zimowy 2021/2022" (zakończony)
Okres: | 2021-10-01 - 2022-02-20 |
Przejdź do planu
PN WT ŚR CZ PT SO W
K
|
Typ zajęć: |
Konwersatorium, 15 godzin
Wykład, 10 godzin
|
|
Koordynatorzy: | Piotr Paszek | |
Prowadzący grup: | Piotr Paszek | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę Wykład - Zaliczenie na ocenę |
|
Sposób ustalania oceny końcowej: | Na ocenę końcową składają się: ocena uzyskana z laboratorium (waga 2/3) oraz ocena testu pisemnego ze znajomości treści wykładów (1/3); obie oceny muszą być pozytywne (co najmniej 3,0). |
|
Pełny opis: |
Cel modułu to zapoznanie studentów z wybranymi kierunkami badań w sztucznej inteligencji (SI), ze szczególnym uwzględnieniem systemów ekspertowych (SE) i algorytmów ewolucyjnych (AE). Studenci poznają podstawowe zagadnienia dotyczące systemów ekspertowych i algorytmów ewolucyjnych. Wiedza ta wykorzystywana jest m.in. do budowy regułowego systemu ekspertowego z wykorzystaniem pakietu Sphinks. |
Zajęcia w cyklu "semestr zimowy 2022/2023" (zakończony)
Okres: | 2022-10-01 - 2023-02-26 |
Przejdź do planu
PN WT ŚR CZ PT SO W
K
K
W
N W
K
|
Typ zajęć: |
Konwersatorium, 15 godzin
Wykład, 10 godzin
|
|
Koordynatorzy: | Kornel Chromiński | |
Prowadzący grup: | Kornel Chromiński | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę Wykład - Zaliczenie na ocenę |
|
Sposób ustalania oceny końcowej: | Na ocenę końcową składają się: ocena uzyskana z laboratorium (waga 2/3) oraz ocena testu pisemnego ze znajomości treści wykładów (1/3); obie oceny muszą być pozytywne (co najmniej 3,0). |
|
Pełny opis: |
Cel modułu to zapoznanie studentów z wybranymi kierunkami badań w sztucznej inteligencji (SI), ze szczególnym uwzględnieniem systemów ekspertowych (SE) i algorytmów ewolucyjnych (AE) i sztucznych sieci neuronowych. Studenci poznają podstawowe zagadnienia dotyczące wybranych elementów sztucznej inteligencji. Wiedza ta wykorzystywana jest do: - stworzenia regułowego systemu ekspertowego z wykorzystaniem systemu szkieletowego w języku Python - konstrukcji prostego algorytmu genetycznego (SGA) rozwiązującego zadany problem optymalizacyjny - utworzenie prostego systemu uczenia maszynowego |
Zajęcia w cyklu "semestr zimowy 2023/2024" (zakończony)
Okres: | 2023-10-01 - 2024-02-18 |
Przejdź do planu
PN WT ŚR CZ PT SO L
W
L
W
N L
L
W
L
L
W
|
Typ zajęć: |
Laboratorium, 15 godzin
Wykład, 10 godzin
|
|
Koordynatorzy: | Paulina Trybek | |
Prowadzący grup: | Katarzyna Jesionek, Paulina Trybek | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie na ocenę
Laboratorium - Zaliczenie na ocenę Wykład - Zaliczenie na ocenę |
|
Sposób ustalania oceny końcowej: | Podstawą do uzyskania oceny końcowej z laboratorium będzie wykonanie projektu zaliczeniowego obejmującego tematykę laboratoriów oraz wykorzystującego w praktyce metody poznane na zajęciach. Na zajęciach będzie także możliwość uzyskania dodatkowej oceny cząstkowej w oparciu o mniejszy projekt/zadanie, realizowany w grupie. |
|
Pełny opis: |
Tematyka zajęć obejmuje następujące zagadnienia z zakresu Sztucznej Inteligencji: 1. Rodzaje uczenia maszynowego: Uczenie nadzorowane, nienadzorowane, ze wzmocnieniem. 2. Model Regresji logistycznej. Metoda gradientu prostego i jej znaczenie w minimalizacji funkcji kosztów. 3. Znaczenie normalizacji danych w analizie danych w tym technikach uczenia maszynowego. 4. Koncepcja Naiwnego Klasyfikatora Bayesa. 5. Klasyfikator minimalno-odległościowy i algorytm k-najbliższych sąsiadów, model leniwego uczenia. 6. Algorytm PCA w redukcji wymiarowości danych. 7. Znaczenie i idea metody walidacji krzyżowej w metodach uczenia maszynowego. 8. Model Perceptronu. |
Właścicielem praw autorskich jest Uniwersytet Ślaski w Katowicach.