Uniwersytet Kazimierza Wielkiego - Centralny System Uwierzytelniania
Strona główna

Inżynieria wiedzy i systemy ekspertowe 1300-Inf4IWiSE-NP
Wykład (WYK) Rok akademicki 2021/22

Informacje o zajęciach (wspólne dla wszystkich grup)

Liczba godzin: 20
Limit miejsc: (brak limitu)
Zaliczenie: Egzamin
Rygory zaliczenia zajęć: egzamin
Literatura uzupelniająca: 1. Rojek I.: Zastosowania metod sztucznej inteligencji w projektowaniu i
nadzorowaniu procesów technologicznych obróbki skrawaniem,
Bydgoszcz, UKW, 2017
2. Raschka S.: Python : uczenie maszynowe, Gliwice, Helion, 2018
3. Ceder N.: Python : szybko i prosto, Gliwice, Helion, 2019
4. Mulawka J.J., Systemy ekspertowe, Warszawa, WNT, 1996
5. Krawiec K., Stefanowski J., Uczenie maszynowe i sieci neuronowe,
Poznań, Wydaw. Politechniki Poznańskiej, 2004. (rozdziały dotyczące
uczenia maszynowego)
6. Cichosz P., Systemy uczące się, Warszawa, WNT, 2000
7. Russell S., Norvig P., Artificial intelligence, A modern approach, Pearson,
2010
8. Knosala R. i in., Zastosowania metod sztucznej inteligencji w inżynierii
produkcji, WNT, Warszawa, 2002
9. Owoc M. L., Elementy systemów ekspertowych. Część I: Sztuczna
inteligencja i systemy ekspertowe, Wyd.: Akademii Ekonomicznej we
Wrocławiu, Wrocław, 2006
10. Rojek I., Miejsce baz danych i baz wiedzy w systemie wspomagania
decyzji, Studia Informatica, seria Informatyka, Zeszyty Naukowe
Politechniki Śląskiej, vol. 30, no 2B (84), s. 35-47, Gliwice 2009, ISSN
0208-7286
11. Rojek I.: System ekspertowy doboru półfabrykatów przy użyciu drzew
decyzyjnych, Studies & Proceedings of Polish Association for Knowledge
Management, 83, 38-48, 2017
12. Dostatni E., Rojek I., Hamrol A., The Use of Machine Learning Method in
Concurrent Ecodesign of Products and Technological Processes. In:
Hamrol A., Ciszak O., Legutko S., Jurczyk M. (eds) Advances in
Manufacturing. Lecture Notes in Mechanical Engineering, pp. 321-330.
Springer, Cham, 2018
13. Rojek I., Dostatni E., Hamrol A., Ecodesign of Technological Processes
with the Use of Decision Trees Method. In: Pérez García H., Alfonso-
Cendón J., Sánchez González L., Quintián H., Corchado E. (eds)
Advances in Intelligent Systems and Computing, vol 649, pp 318-327.
Springer, Cham, 2018

Metody dydaktyczne: wykład kursowy
Metody dydaktyczne - inne: prezentacja multimedialna, materiały elektroniczne
Literatura:

1. Traczyk W., Inżynieria Wiedzy, EXIT, 2010

2. Trajer J., Paszek A., Iwan S., Zarządzanie wiedzą, PWE, 2012

3. Osowski S., Metody i narzędzia eksploracji danych , BTC, 2013

4. Larose D., Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji

danych, PWN, 2006

5. Larose D., Metody i modele eksploracji danych, PWN, 2008

6. Johansson R., Matematyczny Python. Obliczenia naukowe i analiza

danych z użyciem NumPy, SciPy i Matplotlib, Gliwice, Helion Apress, 2021

Efekty uczenia się:

W1, W2, W3

Metody i kryteria oceniania:

egzamin zdalny

Ocena końcowa w zakresie wykładów polega na weryfikowaniu założonych efektów kształcenia poprzez ocenę wiedzy wykazanej na egzaminie zdalnym w formie testu.

Egzamin składa się z 15 pytań testowych za które można uzyskać łącznie 15pkt.

Egzamin na ocenę 3.0 wymaga uzyskania 8 punktów.

Zakres tematów:

Podstawowe pojęcia inżynierii wiedzy i systemów ekspertowych: definicje, dziedziny zastosowań, kategorie, cechy. Struktura systemu ekspertowego: elementy składowe. Metody pozyskiwania wiedzy. Etapy konstruowania bazy wiedzy. Metody reprezentacji wiedzy. Zwinne zarządzanie projektami w kontekście projektowania systemu ekspertowego.

Maszynowe uczenie, metoda indukcji drzew decyzyjnych. Przykładowe systemy ekspertowe.

Zagadnienia omawiane w ramach wykładów są ilustrowane rozwiązaniami w systemach komercyjnych.

Grupy zajęciowe

zobacz na planie zajęć

Grupa Termin(y) Prowadzący Miejsca Liczba osób w grupie / limit miejsc Akcje
1 wielokrotnie, sobota (niestandardowa częstotliwość), 9:00 - 10:30, (sala nieznana)
Izabela Rojek 26/ szczegóły
Wszystkie zajęcia odbywają się w budynku:
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Kazimierza Wielkiego.
J.K. Chodkiewicza 30
85-064 Bydgoszcz
tel: +48 52 32 66 429 https://ukw.edu.pl
kontakt deklaracja dostępności USOSweb 7.0.3.0-1 (2024-04-02)