SylabUZ
| Course name | Advanced Decision Systems |
| Course ID | 06.0-WE-AiRD-ZSD |
| Faculty | Faculty of Computer Science, Electrical Engineering and Automatics |
| Field of study | Automatic Control and Robotics / Computer Control Systems |
| Education profile | academic |
| Level of studies | Second-cycle studies leading to MSc degree |
| Beginning semester | summer term 2016/2017 |
| Semester | 3 |
| ECTS credits to win | 3 |
| 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 | 15 | 1 | 9 | 0,6 | Credit with grade |
| Laboratory | 15 | 1 | 9 | 0,6 | Credit with grade |
Systemy wspomagania decyzji, Metody sztucznej inteligencji
Podejmowanie decyzji w warunkach niepełnej, niepewnej i nieprecyzyjnej informacji. Parametryczne i nieparametryczne problemy decyzyjne. Zastosowanie przybliżonych i rozwiniętych systemów ekspertowych. Teoria możliwości. Zastosowanie zbiorów przybliżonych i rozmytych w bazach wiedzy. Optymalizacja drzew decyzyjnych.
Odkrywanie wiedzy w bazach danych, eksploracja danych. Przygotowanie wstępne danych. Zastosowanie miękkich obliczeń w wydobywaniu wiedzy z danych (data mining).
Zastosowanie sieci neuronowych w podejmowaniu decyzji. Sieci neuronowe w grupowaniu i klasyfikacji. Ekstrakcja wiedzy z danych z wykorzystaniem sieci neuronowych.
Rozmyte systemy decyzyjne. Systemy neuronowo rozmyte i ewolucyjno rozmyte w tworzeniu bazy wiedzy. Klasyfikatory rozmyte. Neuronowo-rozmyte systemy decyzyjne różnego typu.
Zastosowanie zbiorów przybliżonych w wspomaganiu decyzji. Zbiory przybliżone oparte na dominacji. Indukcja wzorców klasyfikacji w postaci reguł decyzyjnych.
Projektowanie systemów wspomagania decyzji. Hybrydowe systemy decyzyjne.
wykład: konsultacje, metoda projektu, wykład problemowy, wykład konwencjonalny
laboratorium: symulacja, konsultacje, metoda projektu, ćwiczenia laboratoryjne.
| Outcome description | Outcome symbols | Methods of verification | The class form |
J. Łęski, Systemy neuronowo-rozmyte, Wydawnictwa Naukowo-Techniczne, Warszawa, 2008.
2. R. K. Nowicki, Rozmyte systemy decyzyjne w zadaniach z ograniczoną wiedzą, Akademicka Oficyna Wydawnicza Exit, Warszawa, 2009.
3. D. Rutkowska, M. Piliński, L. Rutkowski, Sieci neuronowe, algorytmy genetyczne i zbiory rozmyte, Wydawnictwo Naukowe PWN, Warszawa, 1999.
4. J. Surma J.: Business Intelligence Systemy wspomagania decyzji biznesowych, WN PWN SA, Warszawa 2012.
5. D.T. Laros: Metody i modele eksploracji danych. WN PWN SA, Warszawa 2012.
Modified by dr hab. inż. Andrzej Pieczyński, prof. UZ (last modification: 23-09-2016 12:31)
