Uniwersytet Ślaski w Katowicach - Centralny System Uwierzytelniania
Strona główna

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 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Rodzaj przedmiotu:

obowiązkowy

Zajęcia w cyklu "semestr zimowy 2020/2021" (zakończony)

Okres: 2020-10-01 - 2021-02-21
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Konwersatorium, 15 godzin więcej informacji
Wykład, 10 godzin więcej informacji
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
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Konwersatorium, 15 godzin więcej informacji
Wykład, 10 godzin więcej informacji
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
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Konwersatorium, 15 godzin więcej informacji
Wykład, 10 godzin więcej informacji
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
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin więcej informacji
Wykład, 10 godzin więcej informacji
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.

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Ślaski w Katowicach.
kontakt deklaracja dostępności USOSweb 7.0.3.0 (2024-03-22)