Uniwersytet w Białymstoku - Centralny System UwierzytelnianiaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Technologie eksploracji i reprezentacji wiedzy

Informacje ogólne

Kod przedmiotu: 0500-KS1-2TER Kod Erasmus / ISCED: 14.951 / (brak danych)
Nazwa przedmiotu: Technologie eksploracji i reprezentacji wiedzy
Jednostka: Instytut Socjologii i Kognitywistyki
Grupy: 3L stac. studia I stopnia kognitywistyka - przedm. obowiązkowe
Punkty ECTS i inne: 3.00
zobacz reguły punktacji
Język prowadzenia: polski
Rodzaj przedmiotu:

obowiązkowe

Założenia (lista przedmiotów):

Logika formalna 0500-KS1-1LOF
Teoria mnogości 0500-KS1-1TEM
Wstęp do informatyki 0500-KS1-1WIN

Założenia (opisowo):

Celem jest zapoznanie studentów z podstawowymi metodami reprezentacji i eksploracji wiedzy stosowanymi we współczesnych technologiach informacyjnych. Oprócz wiedzy teoretycznej studenci zdobędą umiejętność praktycznego zastosowania niektórych wybranych metod odkrywania wiedzy z danych.

Tryb prowadzenia przedmiotu:

w sali

Pełny opis:

Przedmiot na kierunku Kognitywistyka i komunikacja, studia stacjonarne 1. stopnia, profil ogólnoakademicki, moduł MK_2, II rok, IV semestr, 15 godz. wykład, 15 godz. laboratorium.

Treści programowe przedmiotu:

Metody reprezentacji wiedzy. Zbiory przybliżone i ich zastosowanie w odkrywaniu wiedzy. Zbiory rozmyte i ich zastosowanie we wnioskowaniu. Wstępna obróbka danych. Uczenie maszynowe. Metody stosowane w zagadnieniach klasyfikacji i grupowania. Odkrywanie reguł asocjacyjnych. Sztuczne sieci neuronowe.

Metody nauczania: wykład, zajęcia laboratoryjne, projekt.

Forma zaliczenia przedmiotu: zaliczenie na ocenę.

Punkty ECTS: 3.

Bilans nakładu pracy studenta:

Udział w zajęciach: wykład 15 godz., laboratorium 15 godz.

Przygotowanie do zajęć: 15 godz.

Zapoznanie z literaturą: 10 godz.

Przygotowanie projektu: 10 godz.

Przygotowanie do zaliczenia: 15 godz.

Czas trwania zaliczenia całego przedmiotu (laboratorium + wykład): 4 godz.

Udział w konsultacjach: 2 godz.

Wskaźniki ilościowe:

Nakład pracy studenta związany z zajęciami :

(a) wymagającymi bezpośredniego udziału nauczyciela: 36godz., 1,5 pkt ECTS

(b) o charakterze praktycznym: 40godz., 1,5 pkt ECTS

Literatura:

1. R. Brachman, H. Levesque, Knowledge Representation and Reasoning, Morgan Kaufmann, 2004.

2. M. Flasiński, Wstęp do sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2011.

3. D. T. Larose, Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych, Wydawnictwo Naukowe PWN, Warszawa 2006.

4. S.J. Russell, P. Norvig, Artificial Intelligence: A Modern Approach, 3rd Ed., Pearson, 2014.

5. L. Rutkowski, Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa, wyd. 2 zmienione, Wydawnictwo Naukowe PWN, Warszawa 2012.

Efekty uczenia się:

Student zna podstawowe metody reprezentacji wiedzy w technologiach informacyjnych. K_W07

Student zna podstawowe współczesne technologie odkrywania wiedzy z danych. K_W07, K_W08

Student umie analizować dane i odkrywać z nich wiedzę korzystając z wybranego systemu eksploracji wiedzy. K_U07

Student dobiera odpowiednie metody reprezentacji i eksploracji wiedzy. K_K04

Metody i kryteria oceniania:

Zaliczenie laboratorium na ocenę na podstawie obserwacji aktywności studenta na zajęciach oraz na podstawie oceny wykonanych przez studenta projektów wraz z dokumentacją. Zaliczenie wykładu i całego przedmiotu na ocenę, w formie pisemnej lub ustnej. Warunkiem przystąpienia do zaliczenia jest uzyskanie z laboratorium oceny co najmniej dostatecznej.

Zajęcia w cyklu "Rok akademicki 2019/20" (zakończony)

Okres: 2019-10-01 - 2020-06-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 15 godzin więcej informacji
Wykład, 15 godzin więcej informacji
Koordynatorzy: Anna Gomolińska, Wojciech Lesiński, Łukasz Szeremeta
Prowadzący grup: Anna Gomolińska, Wojciech Lesiński, Łukasz Szeremeta
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Laboratorium - Zaliczenie na ocenę
Rodzaj przedmiotu:

obowiązkowe

Założenia (lista przedmiotów):

Logika formalna 0500-KS1-1LOF
Sztuczna inteligencja 0500-KS1-3SIN
Wstęp do informatyki 0500-KS1-1WIN

Tryb prowadzenia przedmiotu:

mieszany: w sali i zdalnie

Pełny opis:

Przedmiot na kierunku Kognitywistyka i komunikacja, studia stacjonarne 1. stopnia, profil ogólnoakademicki, moduł MK_2, II rok, IV semestr, kod 0500-KS1-2TER, 15 godz. wykład, 15 godz. laboratorium.

Treści programowe przedmiotu:

Metody reprezentacji wiedzy. Zbiory rozmyte i ich zastosowanie we wnioskowaniu. Wstępna obróbka danych. Uczenie maszynowe. Metody stosowane w zagadnieniach klasyfikacji i grupowania. Odkrywanie reguł asocjacyjnych. Sztuczne sieci neuronowe.

Metody nauczania: wykład, zajęcia laboratoryjne, w sali i zdalnie.

Forma zaliczenia przedmiotu: zaliczenie na ocenę.

Punkty ECTS: 3.

Literatura:

1. R. Brachman, H. Levesque, Knowledge Representation and Reasoning, Morgan Kaufmann, 2004.

2. K. J. Cios, W. Pedrycz, R. Swiniarski, L. A. Kurgan, Data Mining: A Knowledge Discovery Approach, Springer Science + Business Media LLC, New York 2007.

3. M. Flasiński, Wstęp do sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2011.

4. D. T. Larose, Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych, Wydawnictwo Naukowe PWN, Warszawa 2006.

5. T. Morzy, Eksploracja danych. Metody i algorytmy, Wydawnictwo Naukowe PWN, Warszawa 2013.

6. S.J. Russell, P. Norvig, Artificial Intelligence: A Modern Approach, 3rd Ed., Pearson, 2014.

7. D. Rutkowska, M. Piliński, L. Rutkowski, Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN, Warszawa 2004.

8. L. Rutkowski, Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa, wyd. 2 zmienione, Wydawnictwo Naukowe PWN, Warszawa 2012.

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet w Białymstoku.