Technologie eksploracji i reprezentacji wiedzy
Informacje ogólne
Kod przedmiotu: | 0500-KS1-2TER |
Kod Erasmus / ISCED: |
14.951
|
Nazwa przedmiotu: | Technologie eksploracji i reprezentacji wiedzy |
Jednostka: | Instytut Socjologii i Kognitywistyki |
Grupy: | |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | polski |
Rodzaj przedmiotu: | obowiązkowe |
Założenia (lista przedmiotów): | Logika formalna 0500-KS1-1LOF |
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. |
Właścicielem praw autorskich jest Uniwersytet w Białymstoku.