SylabUZ
Course name | Systemy ekspertowe w budowie maszyn |
Course ID | 06.1-WM-MiBM-AiOPP-D-16_22 |
Faculty | Faculty of Mechanical Engineering |
Field of study | Mechanical Engineering |
Education profile | academic |
Level of studies | Second-cycle studies leading to MSc degree |
Beginning semester | winter term 2022/2023 |
Semester | 2 |
ECTS credits to win | 3 |
Available in specialities | Automation and Organization of Production Processes |
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 |
Class | 15 | 1 | 9 | 0,6 | Credit with grade |
Celem realizacji przedmiotu jest zdobycie teoretycznej i praktycznej wiedzy pozwalającej projektować i budować systemy ekspertowe. Celem przedmiotu jest zdobycie wiedzy o podstawowych sposobach reprezentacji wiedzy, o realizacji algorytmów wnioskowania realizacji projektów z zakresu inżynierii wiedzy.
Podstawy informatyki, Podstawy projektowania systemów informatycznych, Podstawy logiki rozmytej.
Treść wykładowa
Ogólna charakterystyka systemów ekspertowych. Reprezentacja wiedzy i baza wiedzy. Składniki wiedzy. Przegląd metod reprezentacji wiedzy. Metody symbolicznej reprezentacji wiedzy-rachunek zdań, reguły, ramy, sieci semantyczne, stwierdzenia. Wnioskowanie w warunkach niepewności i niepełnej wiedzy. Pozyskiwanie wiedzy do bazy wiedzy. Wydobywanie i agregacja wiedzy ekspertów. Systemy uczące się. Szkieletowe systemy eksperckie. Projektowanie dialogu z systemem ekspertowym. Poznanie budowy i zasad uruchamiania systemów ekspertowych dedykowanych i szkieletowych. Budowa prototypu systemu ekspertowego. Systemy ekspertowe w przemyśle – system doradczy, ekspertowy system wspomagania sterowania produkcją.
Treść ćwiczeniowa
Metodologiczna analiza możliwości zastosowania systemów ekspertowych w projektowania procesów technologicznych elementów cz. Maszyn. Badania złożoności obliczeniowej wybranych algorytmów sztucznej inteligencji. Metody sztucznej inteligencji w wybranych dziedzinach – zastosowania. Clips i inne języki sztucznej inteligencji (wprowadzenie do programowania, podstawy, wzory i działania, zewnętrzne pozyskiwanie danych (od użytkowników). Symulacja wybranych algorytmów sztucznej inteligencji. Badania symulacyjne wybranego praktycznego systemu ekspertowego.
Wykłady z wykorzystaniem środków audiowizualnych. Burza mózgów (w niektórych tematach wykładowych). Praca z literaturą fachową. Praca zespołowa w trakcie wykonania ćwiczeń laboratoryjnych.
Outcome description | Outcome symbols | Methods of verification | The class form |
Warunkiem zaliczenia przedmiotu jest zaliczenie wszystkich jego form. Ocena z wykładu jest określana na podstawie końcowego kolokwium zaliczeniowego (praca pisemna) oraz oceny za opracowanie/zaprezentowanie pracy kontrolnej. Ocena z ćwiczeń jest określana na podstawie: realizacji ćwiczeń oraz sprawozdań/raportów/opracowań będących efektem wykonania wszystkich przewidzianych do realizacji ćwiczeń.
Ocena końcowa na zaliczenie przedmiotu jest średnią ważona z ocen za poszczególne formy zajęć, przy czym wagi wynoszą odpowiednio: dla wykładu (0.4), dla ćwiczeń (0.6)
Modified by dr inż. Daniel Dębowski (last modification: 22-04-2022 13:15)