SylabUZ
Nazwa przedmiotu | Rejestracja i analiza danych z bezzałogowych statków powietrznych |
Kod przedmiotu | 06.1-WM-ILOT-BSP-P-RejAnDanBSP- 22 |
Wydział | Wydział Mechaniczny |
Kierunek | Inżynieria lotnicza |
Profil | praktyczny |
Rodzaj studiów | pierwszego stopnia z tyt. inżyniera |
Semestr rozpoczęcia | semestr zimowy 2023/2024 |
Semestr | 6 |
Liczba punktów ECTS do zdobycia | 4 |
Występuje w specjalnościach | Bezzałogowe statki powietrzne |
Typ przedmiotu | obowiązkowy |
Język nauczania | polski |
Sylabus opracował |
|
Forma zajęć | Liczba godzin w semestrze (stacjonarne) | Liczba godzin w tygodniu (stacjonarne) | Liczba godzin w semestrze (niestacjonarne) | Liczba godzin w tygodniu (niestacjonarne) | Forma zaliczenia |
Wykład | 15 | 1 | - | - | Zaliczenie na ocenę |
Projekt | 30 | 2 | - | - | Zaliczenie na ocenę |
Celem przedmiotu jest poznanie w zaawansowanym stopniu zagadnień pozyskiwania, analizy i predykcji stanu technicznego, technologii napraw oraz bezpiecznego użytkowania bezzałogowych statków powietrznych.
zagadnienia w zakresie matematyki niezbędne do zrozumienia i wykorzystania formalizmu matematycznego stosowanego do opisu podstawowych zjawisk oraz procesów stosowanych w inżynierii lotniczej.
Lp. | Treści programowe - WYKŁAD | l. godz. st. stacj. |
||
W1 | Pozyskiwanie danych z bezzałogowych statków powietrznych | 1 | ||
W2 | Możliwości rejestracji danych z bezzałogowych statków powietrznych | 1 | ||
W3 | Rodzaje danych pozyskanych z bezzałogowych statków powietrznych | 2 | ||
W4 | Klasyfikacja danych | 2 | ||
W5 | Bazy danych | 2 | ||
W6 | Wprowadzenie do data mining | 2 | ||
W7 | Modele i rodzaje zadań data mining | 2 | ||
W8 | Metody predykcyjnego data mining (uczenie z nauczycielem) | 3 | ||
Suma | 15 |
Lp. | Treści programowe - PROJEKT | l. godz. st. stacj. |
||
P1 | Zdefiniownaych danych z bezzałogowych statków powietrznych do projektu | 2 | ||
P2 | Wstępna obróbka danych z bezzałogowych statków powietrznych z wykorzystaniem oprogramowania Statistica - cz. 1 | 2 | ||
P3 | Wstępna obróbka danych z bezzałogowych statków powietrznych z wykorzystaniem oprogramowania Statistica - cz.2 | 2 | ||
P4 | Klasyfikacja danych z wykorzystaniem oprogramowania Statistica - cz. 1 | 2 | ||
P5 | Klasyfikacja danych z wykorzystaniem oprogramowania Statistica - cz. 2 | 2 | ||
P6 | Klasyfikacja danych z wykorzystaniem oprogramowania Statistica - cz. 3 | 2 | ||
P7 | Określenie zależności za pomocą regresji logistycznej z wykorzystaniem oprogramowania Statistica- cz. 1 | 2 | ||
P8 | Określenie zależności za pomocą regresji logistycznej z wykorzystaniem oprogramowania Statistica- cz. 2 | 2 | ||
P9 | Określenie zależności za pomocą regresji logistycznej z wykorzystaniem oprogramowania Statistica- cz. 3 | 2 | ||
P10 | Dokonanie klasyfikacji za pomoca drzewa klasyfikacyjnego z wykorzystaniem oprogramowania Statistica- cz. 1 | 2 | ||
P11 | Dokonanie klasyfikacji za pomoca drzewa klasyfikacyjnego z wykorzystaniem oprogramowania Statistica- cz. 2 | 2 | ||
P12 | Dokonanie klasyfikacji za pomoca drzewa klasyfikacyjnego z wykorzystaniem oprogramowania Statistica- cz. 3 | 2 | ||
P13 | Odkrycie wiedzy (uczenie bez nauczyciela) z wykorzystaniem oprogramowania Statistica- cz. 3 | 2 | ||
P14 | Przygotowanie końcowego projektu | 2 | ||
P15 | Prezentacja rezultatu prac | 2 | ||
Suma: | 30 |
Zasadniczą formą zajęć są zajęcia projektowwe z wykorzystaniem oprogramowania Statistica. Poszczególne tematy w formie zadań obejmują jedno lub więcej zadań opracowywanych przez studentów podczas trwania jednostkowych zajęć oraz związaną z nimi pracą własną studentów (pracą domową). Niezbędną wiedzę teoretyczną potrzebną do rozwiązywania zadań student uzyskuje na zajęciach wykładowych oraz w ramach wprowadzenia przez prowadzącego do poszczególnych zajęć projektowych.
Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
Wykład
Warunkiem zaliczenia jest uzyskanie pozytywnej oceny z kolokwium pisemnego.
Projekt
Warunkiem zaliczenia jest uzyskanie pozytywnych ocen z projektu końcowego i prezentacji.
Ocena końcowa jest średnią arytmetyczną ze wszystkich ocen cząstkowych przedmiotu.
1. Larose DT., Metody i modele eksploracji danych (Data Mining Methods and Models), PWN, 2022.
2. Patalas-Maliszewska J., Modele referencyjne zarządzania wiedzą w przedsiębiorstwie produkcyjnym, PWN, 2019.
3. Dębowska-Mróz M., Rogowski A., Pomiar, obliczenia i analiza danych statystycznych w ruchu drogowym, UTH Radom, 2019.
-
-
Zmodyfikowane przez dr inż. Daniel Dębowski (ostatnia modyfikacja: 14-12-2022 15:08)