Pole | KOD | Znaczenie kodu |
---|
Zamierzone efekty kształcenia | MBM_2A_UM/07-1_U01 | integracja wiedzy zdobytej na własnym kierunku studiów |
---|
Odniesienie do efektów kształcenia dla kierunku studiów | MBM_2A_U10 | potrafi, przy formułowaniu i rozwiązywaniu zadań inżynierskich integrować wiedzę z zakresu konstrukcji, technologii, planowania, automatyzacji i eksploatacji, stosować podejście systemowe oraz uwzględniać aspekty pozatechniczne |
---|
Odniesienie do efektów zdefiniowanych dla obszaru kształcenia | T2A_U10 | potrafi - przy formułowaniu i rozwiązywaniu zadań inżynierskich - integrować wiedzę z zakresu dziedzin nauki i dyscyplin naukowych, właściwych dla studiowanego kierunku studiów oraz zastosować podejście systemowe, uwzględniające także aspekty pozatechniczne |
---|
Cel przedmiotu | C-1 | umiejętność systemowego ujęcia procesu technologicznego,
poznanie metod projektowania procesów technologicznych. |
---|
C-2 | poznanie podstaw inżynierii wiedzy,
poznanie języków programowania logicznego, architektury systemów ekspertowych, |
C-3 | umiejętność wykorzystania systemów ekspertowych typu szkieletowego. |
Treści programowe | T-W-1 | Proces technologiczny (PT) jako system. Procedury projektowania procesu; generacyjne, wariantowe, z wykorzystaniem baz wiedzy. Procesy decyzyjne w projektowaniu PT, złożoność PT, celowość stosowania systemów ekspertowych (SE). SE jako dziedzina sztucznej inteligencji, obszary zastosowań, architektura SE, zadania. Charakterystyka modułów; interfejs użytkownika, baza wiedzy, baza danych, modułu wnioskowania, modułu objaśniający. Elementy inżynierii wiedzy; reprezentacja, pozyskiwanie, metody formalnego zapisu wiedzy. Metody wnioskowania. Narzędzia tworzenia SE; języki programowania w logice (Prolog, Lisp), deklaratywny sposób reprezentacji wiedzy. Języki i systemy ekspertowe szkieletowe (Clips, ExSys); charakterystyka, budowa, wykorzystanie. Syntaktyka zapisu reguł w bazach wiedzy. Reguły dokładne i niepewne, współczynnik CF. Systemy hybrydowe – integracja z innymi metodami sztucznej inteligencji (algorytmami genetycznymi, sieciami neuronowymi, fuzzy logic). Przykłady funkcjonujących SE, perspektywy dalszych zastosowań. |
---|
T-L-1 | Prezentacja funkcjonowania wybranych systemów ekspertowych i języków programowania logicznego. Ćwiczenie zapisu baz wiedzy; faktów, termów, klauzul, formułowania zapytań w wybranym języku programowania logicznego (Prolog). Prezentacja przykładów oraz własne próby kreowania interfejsu i zapisu bazy wiedzy w wybranym systemie szkieletowym (shell’s). Przygotowanie zbioru danych wejściowych i własne opracowanie prostego systemu ekspertowego z dziedziny technologicznego przygotowania produkcji. |
Metody nauczania | M-1 | wykład ilustrowany materiałami audiowizualnymi |
---|
Sposób oceny | S-1 | Ocena formująca: aktywność na zajęciach, |
---|
S-2 | Ocena formująca: ocena sprawozdań z zajęć laboratoryjnych (omawianych ustnie), |
S-3 | Ocena formująca: ocena kolokwium zaliczeniowego z wykładanego materiału. |
Kryteria oceny | Ocena | Kryterium oceny |
---|
2,0 | zna podstawowe pojęcia z dziedziny sztucznej inteligencji, szczególnie systemów ekspertowych, potrafi definiować zadania rozwiązywane z zastosowaniem systemów ekspertowych |
3,0 | potrafi definiować podstawowe zadania, które mogą być przedmiotem systemów ekspertowych, rozumie pojęcie baz wiedzy, zna techniki zapisu i kodowania wiedzy |
3,5 | zna struktury i modułów systemów ekspertowych (SE)], potrafi kodować wiedzę za pomocą reguł |
4,0 | zna podstawy języków programowania w logice (Prolog), oraz wybranego języka typu Shell, potrafi opracować koncepcję systemu ekspertowego w tematyce technologii maszyn |
4,5 | potrafi dobrać oprogramowanie typu Shell, przygotować testową bazę wiedzy, uruchomić i ocenić przydatność i efektywność zastosowania SE, potrafi opracować prosty system ekspertowy typu shell, wprowadzać reguły , testować system |
5,0 | zna struktury systemów ekspertowych, sprawnie posługuje się wybranym systemem szkieletowym (Shell), pozytywny wynik kolokwim |