Szkoła Główna Handlowa w Warszawie - Centralny System Uwierzytelniania
Strona główna

Sztuczna inteligencja (e-learning)

Informacje ogólne

Kod przedmiotu: 220629-S
Kod Erasmus / ISCED: 11.4 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0613) Tworzenie i analiza oprogramowania i aplikacji Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Sztuczna inteligencja (e-learning)
Jednostka: Szkoła Główna Handlowa w Warszawie
Grupy: Przedmioty kierunkowe do wyboru NMMS-ADA
Przedmioty kierunkowe do wyboru NMMS-MIS
Punkty ECTS i inne: 3.00 (zmienne w czasie) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
zobacz reguły punktacji
Język prowadzenia: polski
Efekty uczenia się:

Wiedza:

Student powinien określić główne obszary sztucznej Inteligencji.

Student powinien potrafić zdefiniować i opisać metody reprezentacji wiedzy

Student powinien potrafić wymienić i opisać metody reprezentacji niepewności

Student powinien potrafić zdefiniować pojęcie heurystyki, wymienić i sklasyfikować metody przeszukiwania przestrzeni stanów

Student powinien potrafić zdefiniować i podać przykłady automatycznego uczenia

Student powinien potrafić opisać i sklasyfikować podstawowe rodzaje sztucznych sieci neuronowych, scharakteryzować proces uczenia sieci

Umiejętności:

Student powinien umieć ocenić czy problem można i warto rozwiązywać metodami z zakresu sztucznej inteligencji.

Student powinien umieć dokonać wyboru odpowiedniej metody z zakresu sztucznej inteligencji do rozwiązywanego problemu

Student powinien umieć zastosować wybraną metodę z zakresu sztucznej inteligencji do rozwiązywanego problemu.

Student powinien potrafić ocenić czy otrzymane rozwiązanie jest lepsze od takiego które można uzyskać innymi metodami (np. ekonometrycznymi czy statystycznymi).

Kompetencje społeczne:

Student powinien poprawnie komunikować się w grupie przez internet oraz merytorycznie wypowiadać się na forum internetowym.

Umiejętność twórczego rozwiązywania problemów,

Zajęcia w cyklu "Preferencje - Semestr letni 2024/25" (jeszcze nie rozpoczęty)

Okres: 2025-02-15 - 2025-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Zajęcia prowadzącego więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Jarosław Olejniczak
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Zajęcia prowadzącego - Ocena

Zajęcia w cyklu "Semestr letni 2024/25" (jeszcze nie rozpoczęty)

Okres: 2025-02-15 - 2025-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Kurs internetowy, 21 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Jarosław Olejniczak
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Kurs internetowy - Ocena
Skrócony opis:

Ogólna charakterystyka sztucznej inteligencji. Systemy ekspertowe. Inżynieria wiedzy. Metody reprezentacji niepewności. Metody automatycznego uczenia. Sztuczne życie.

Pełny opis:

Przybliżenie studentom dziedziny informatyki, jaką jest sztuczna inteligencja, przedstawienie obszarów zastosowań oraz procesu tworzenia systemów opartych o metody sztucznej inteligencji, ze szczególnym zwróceniem uwagi na zastosowania finansowe.

Literatura:

Literatura podstawowa:

Treści wykładów e-learningowych. B. Stefanowicz, Sztuczna Inteligencja i Systemy Eksperckie, Oficyna Wydawnicza SGH 2002.

Literatura uzupełniająca:

J.S. Zieliński, Inteligentne systemy w zarządzaniu, PWN, Warszawa 2000; B. Stefanowicz, Sztuczna Inteligencja i Systemy Eksperckie, Oficyna Wydawnicza SGH 2002; J. Mulawka, Systemy ekspertowe, WNT Warszawa 1996; W. Flakiewicz, Systemy informacyjne w zarządzaniu, Beck Warszawa 2002; E. Rich, K. Knight, Artificial Intelligence, McGraw-Hill 1991; Turban E.,Aronson J., Decision Support Systems and Intelligent Systems, Prentice Hall 1998; J. Arabas, Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2001; M. Lasek, Data Mining zastosowania w analizach i ocenach klientów bankowych, Oficyna Wydawnicza "Zarządzanie i Finanse", Warszawa 2002; R. Tadeusiewicz, Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993; E. Gatnar, Symboliczne metody klasyfikacji danych, PWN, Warszawa 1998; Klein M., Mathlie L.B., Expert Systems a decision support approach with applications in management and finance, Addison-Wesley Publishing Company 1990; Scott A.C. Clayton J.E., Gibson L.E., A practical guide to knowledge acquisition, Addison-Wesley Publishing Company 1991.

Uwagi:

Kryteria oceniania:

egzamin testowy: 70.00%

ocena z ćwiczeń: 20.00%

inne: 10.00%

Zajęcia w cyklu "Semestr zimowy 2024/25" (w trakcie)

Okres: 2024-10-01 - 2025-02-14
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Kurs internetowy, 21 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Jarosław Olejniczak
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Kurs internetowy - Ocena
Skrócony opis:

Ogólna charakterystyka sztucznej inteligencji. Systemy ekspertowe. Inżynieria wiedzy. Metody reprezentacji niepewności. Metody automatycznego uczenia. Sztuczne życie.

Pełny opis:

Przybliżenie studentom dziedziny informatyki, jaką jest sztuczna inteligencja, przedstawienie obszarów zastosowań oraz procesu tworzenia systemów opartych o metody sztucznej inteligencji, ze szczególnym zwróceniem uwagi na zastosowania finansowe.

Literatura:

Literatura podstawowa:

Treści wykładów e-learningowych. B. Stefanowicz, Sztuczna Inteligencja i Systemy Eksperckie, Oficyna Wydawnicza SGH 2002.

Literatura uzupełniająca:

J.S. Zieliński, Inteligentne systemy w zarządzaniu, PWN, Warszawa 2000; B. Stefanowicz, Sztuczna Inteligencja i Systemy Eksperckie, Oficyna Wydawnicza SGH 2002; J. Mulawka, Systemy ekspertowe, WNT Warszawa 1996; W. Flakiewicz, Systemy informacyjne w zarządzaniu, Beck Warszawa 2002; E. Rich, K. Knight, Artificial Intelligence, McGraw-Hill 1991; Turban E.,Aronson J., Decision Support Systems and Intelligent Systems, Prentice Hall 1998; J. Arabas, Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2001; M. Lasek, Data Mining zastosowania w analizach i ocenach klientów bankowych, Oficyna Wydawnicza "Zarządzanie i Finanse", Warszawa 2002; R. Tadeusiewicz, Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993; E. Gatnar, Symboliczne metody klasyfikacji danych, PWN, Warszawa 1998; Klein M., Mathlie L.B., Expert Systems a decision support approach with applications in management and finance, Addison-Wesley Publishing Company 1990; Scott A.C. Clayton J.E., Gibson L.E., A practical guide to knowledge acquisition, Addison-Wesley Publishing Company 1991.

Uwagi:

Kryteria oceniania:

egzamin testowy: 70.00%

ocena z ćwiczeń: 20.00%

inne: 10.00%

Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)

Okres: 2024-02-24 - 2024-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Kurs internetowy, 21 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Jarosław Olejniczak
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Kurs internetowy - Ocena
Skrócony opis:

Ogólna charakterystyka sztucznej inteligencji. Systemy ekspertowe. Inżynieria wiedzy. Metody reprezentacji niepewności. Metody automatycznego uczenia. Sztuczne życie.

Pełny opis:

Przybliżenie studentom dziedziny informatyki, jaką jest sztuczna inteligencja, przedstawienie obszarów zastosowań oraz procesu tworzenia systemów opartych o metody sztucznej inteligencji, ze szczególnym zwróceniem uwagi na zastosowania finansowe.

Literatura:

Literatura podstawowa:

Treści wykładów e-learningowych. B. Stefanowicz, Sztuczna Inteligencja i Systemy Eksperckie, Oficyna Wydawnicza SGH 2002.

Literatura uzupełniająca:

J.S. Zieliński, Inteligentne systemy w zarządzaniu, PWN, Warszawa 2000; B. Stefanowicz, Sztuczna Inteligencja i Systemy Eksperckie, Oficyna Wydawnicza SGH 2002; J. Mulawka, Systemy ekspertowe, WNT Warszawa 1996; W. Flakiewicz, Systemy informacyjne w zarządzaniu, Beck Warszawa 2002; E. Rich, K. Knight, Artificial Intelligence, McGraw-Hill 1991; Turban E.,Aronson J., Decision Support Systems and Intelligent Systems, Prentice Hall 1998; J. Arabas, Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2001; M. Lasek, Data Mining zastosowania w analizach i ocenach klientów bankowych, Oficyna Wydawnicza "Zarządzanie i Finanse", Warszawa 2002; R. Tadeusiewicz, Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993; E. Gatnar, Symboliczne metody klasyfikacji danych, PWN, Warszawa 1998; Klein M., Mathlie L.B., Expert Systems a decision support approach with applications in management and finance, Addison-Wesley Publishing Company 1990; Scott A.C. Clayton J.E., Gibson L.E., A practical guide to knowledge acquisition, Addison-Wesley Publishing Company 1991.

Uwagi:

Kryteria oceniania:

egzamin testowy: 70.00%

ocena z ćwiczeń: 20.00%

inne: 10.00%

Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)

Okres: 2023-10-01 - 2024-02-23
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Kurs internetowy, 21 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Jarosław Olejniczak
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Kurs internetowy - Ocena
Skrócony opis:

Ogólna charakterystyka sztucznej inteligencji. Systemy ekspertowe. Inżynieria wiedzy. Metody reprezentacji niepewności. Metody automatycznego uczenia. Sztuczne życie.

Pełny opis:

Przybliżenie studentom dziedziny informatyki, jaką jest sztuczna inteligencja, przedstawienie obszarów zastosowań oraz procesu tworzenia systemów opartych o metody sztucznej inteligencji, ze szczególnym zwróceniem uwagi na zastosowania finansowe.

Literatura:

Literatura podstawowa:

Treści wykładów e-learningowych. B. Stefanowicz, Sztuczna Inteligencja i Systemy Eksperckie, Oficyna Wydawnicza SGH 2002.

Literatura uzupełniająca:

J.S. Zieliński, Inteligentne systemy w zarządzaniu, PWN, Warszawa 2000; B. Stefanowicz, Sztuczna Inteligencja i Systemy Eksperckie, Oficyna Wydawnicza SGH 2002; J. Mulawka, Systemy ekspertowe, WNT Warszawa 1996; W. Flakiewicz, Systemy informacyjne w zarządzaniu, Beck Warszawa 2002; E. Rich, K. Knight, Artificial Intelligence, McGraw-Hill 1991; Turban E.,Aronson J., Decision Support Systems and Intelligent Systems, Prentice Hall 1998; J. Arabas, Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2001; M. Lasek, Data Mining zastosowania w analizach i ocenach klientów bankowych, Oficyna Wydawnicza "Zarządzanie i Finanse", Warszawa 2002; R. Tadeusiewicz, Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993; E. Gatnar, Symboliczne metody klasyfikacji danych, PWN, Warszawa 1998; Klein M., Mathlie L.B., Expert Systems a decision support approach with applications in management and finance, Addison-Wesley Publishing Company 1990; Scott A.C. Clayton J.E., Gibson L.E., A practical guide to knowledge acquisition, Addison-Wesley Publishing Company 1991.

Uwagi:

Kryteria oceniania:

egzamin testowy: 70.00%

ocena z ćwiczeń: 20.00%

inne: 10.00%
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Szkoła Główna Handlowa w Warszawie.
al. Niepodległości 162
02-554 Warszawa tel: +48 22 564 60 00 http://www.sgh.waw.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.0.0