SylabUZ
Course name | Expert Systems |
Course ID | 11.3-WI-INFD-SE |
Faculty | Faculty of Computer Science, Electrical Engineering and Automatics |
Field of study | Computer Science |
Education profile | academic |
Level of studies | Second-cycle studies leading to MSc degree |
Beginning semester | winter term 2019/2020 |
Semester | 3 |
ECTS credits to win | 5 |
Course type | obligatory |
Teaching language | polish |
Author of syllabus |
|
The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
Lecture | 30 | 2 | 18 | 1,2 | Credit with grade |
Laboratory | 30 | 2 | 18 | 1,2 | Credit with grade |
- zapoznanie studentów z podstawami budowy, funkcjonowania i rodzajami systemów ekspertowych,
- zapoznanie studentów z wybranymi metodami sztucznej inteligencji, rodzajami baz wiedzy i podstawami ich tworzenia,
- ukształtowanie wśród studentów podstawowych umiejętności w zakresie projektowania, tworzenia i uruchamiania systemów ekspertowych.
Bazy danych, programowanie obiektowe
Koncepcje imitacji czynności intelektualnych człowieka. Systemy inteligentne i ich zróżnicowanie.
Interpretacja pojęć informacja, wiedza. System ekspertowy. Struktura systemu ekspertowego. Rodzaje systemów ekspertowych. Właściwości systemów ekspertowych.
Projektowanie systemu ekspertowego. Metody projektowania systemów ekspertowych.
Pozyskiwanie wiedzy. Pozyskiwanie wiedzy od specjalistów. Pozyskiwanie wiedzy z baz danych.
Baza wiedzy systemu ekspertowego. Regułowa reprezentacja wiedzy. Projektowanie bazy wiedzy. Weryfikacja poprawności bazy wiedzy.
Przetwarzanie wiedzy dokładnej w systemach ekspertowych. Wnioskowanie wstępujące. Wnioskowanie zstępujące. Wnioskowanie na podstawie przypadków.
Uczenie maszynowe. Pojęcia i definicje. Strategie maszynowego uczenia się. Interfejs komunikacji użytkownik-system.
Interfejs graficzny. Projektowanie dialogu. System wyjaśnień.
Przybliżona reprezentacja wiedzy. Formy niepewności wiedzy. Elementy zbiorów rozmytych. Przetwarzanie wiedzy przybliżonej. Rozmywanie i wyostrzanie. Wnioskowanie rozmyte.
Inne formy sztucznej inteligencji. Ogólna charakterystyka sztucznych sieci neuronowych.
Ogólna charakterystyka algorytmu genetycznego. Ewolucja systemów sztucznej inteligencji.
Struktury hybrydowe. Tendencje rozwojowe. Wybrane narzędzia i biblioteki programowe do budowy systemów ekspertowych.
Integracja systemów ekspertowych z systemami pomiarowo-sterującymi, bazami danych oraz portalami WWW.
wykład: dyskusja, konsultacje, wykład problemowy, wykład konwencjonalny
laboratorium: dyskusja, konsultacje, praca w grupach, zajęcia praktyczne, ćwiczenia laboratoryjne
Outcome description | Outcome symbols | Methods of verification | The class form |
Wykład - warunkiem zaliczenia jest uzyskanie pozytywnej oceny z egzaminu.
Laboratorium - warunkiem zaliczenia jest uzyskanie pozytywnych ocen ze wszystkich ćwiczeń laboratoryjnych, przewidzianych do realizacji w ramach programu laboratorium.
Składowe oceny końcowej = wykład: 40% + laboratorium: 60%
1. Beynon-Davies P.: Inżynieria systemów informacyjnych. WNT, Warszawa, 1999.
2. Hand D., Mannila H., Smyth P.: Eksploracja danych, WNT, Warszawa 2005.
3. Jagielski J.: Inżynieria wiedzy, Wydawnictwo Uniwersytetu Zielonogórskiego, Zielona Góra, 2005.
4. Mulawka J.: Systemy ekspertowe, WNT, Warszawa, 1996.
5. Rutkowski L.: Metody i techniki sztucznej inteligencji, PWN, Warszawa, 2005.
6. Romański C.: Statystyczne systemy ekspertowe, Wydawnictwo Uniwersytetu Łódzkiego, Łódź, 1998.
1. Cichosz P.: Systemy uczące się, WNT, Warszawa, 2000.
2. Niderliński A.: Regułowe systemy ekspertowe, Wyd. Jacka Skalmierskiego, Gliwice, 2000.
3. Piegat A.: Modelowanie i sterowanie rozmyte, Wydawnictwo ELIT, Warszawa, 1999.
4. Zieliński Z.: Inteligentne systemy w zarządzaniu, PWN, Warszawa, 2000.
Modified by dr inż. Robert Szulim (last modification: 16-04-2019 13:15)