Sztuczna inteligencja
Informacje ogólne
Kod przedmiotu: | 220620-D |
Kod Erasmus / ISCED: |
11.4
|
Nazwa przedmiotu: | Sztuczna inteligencja |
Jednostka: | Szkoła Główna Handlowa w Warszawie |
Grupy: |
Przedmioty kierunkowe do wyboru SMMD-ADA Przedmioty kierunkowe do wyboru SMMD-MIS |
Punkty ECTS i inne: |
3.00 (zmienne w czasie)
|
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 w systemie informatycznym Student powinien potrafić zdefiniować pojęcie heurystyki, wymienić i sklasyfikować metody przeszukiwania przestrzeni stanów Student powinien potrafić zdefiniować i podać przykłady automatycznego uczenia. Umiejętności: Student powinien umieć ocenić i określić rodzaj rozwiązywanego problemu, Student powinien potrafić zbudować model oparty na sztucznej sieci neuronowej i zweryfikować jego poprawność Student powinien potrafić zbudować model oparty na algorytmach genetycznychi zweryfikować jego poprawność Student powinien potrafić zbudować model oparty na drzewach klasyfikacyjnych zweryfikować jego poprawność Student powinien potrafić zbudować model oparty na statystycznych metodach maszynowego uczenia (bagging , random forest , boosting i innych) i zweryfikować jego poprawność Kompetencje społeczne: Umiejętność twórczego rozwiązywania problemów, Umiejętność pracy w grupie. |
Zajęcia w cyklu "Semestr letni 2024/25" (w trakcie)
Okres: | 2025-02-15 - 2025-09-30 |
Przejdź do planu
PN LAB
WYK
LAB
WT ŚR CZ PT |
Typ zajęć: |
Laboratorium, 10 godzin
Wykład, 20 godzin
|
|
Koordynatorzy: | (brak danych) | |
Prowadzący grup: | Jarosław Olejniczak | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Ocena
Wykład - Ocena |
|
Skrócony opis: |
Patrz semestralny plan zajęć. |
|
Pełny opis: |
Celem zajęć jest przekazanie wiedzy z zakresu Sztucznej Inteligencji (SI) ze szczególnym zwróceniem uwagi na aspekty ekonomiczne. Ponadto celem zajęć jest zdobycie przez studentów umiejętności rozwiązywania wybranych zagadnień ekonomicznych z wykorzystaniem metod i technik SI. Sztuczna inteligencja to dziedzina, w ramach której szuka się metod rozwiązywania problemów wspieranych technologią komputerową, naśladując sposób rozumowania człowieka lub procesy występujące w przyrodzie. Jej rozwój i metody są nierozłącznie związane z rozwojem technik informatyczych. W części wykładowej omówione zostaną podstawowe metody i techniki sztucznej inteligencji takie jak: metody reprezentacji wiedzy, reprezentacja niepewności, maszynowe uczenie się, sztuczne sieci neuronowe, algorytmy genetyczne czy zagadnienia związane z Data Mining, Web miningiem i Text miningiem. W części ćwiczeniowej studenci będą mieli możliwość rozwiązania zagadnień optymalizacyjnych, klasyfikacyjnych i prognostycznych z wykorzystaniem wybranych metod sztucznej inteligencji. |
|
Literatura: |
Literatura podstawowa: J.S.Zieliński, Inteligentne systemy w zarządzaniu, PWN, Warszawa 2000; B.Stefanowicz, Metody sztucznej inteligencji i systemy eksperckie, Oficyna Wydawnicza SGH, Warszawa 1993. Literatura uzupełniająca: E.Rich, K.Knight, Artificial Intelligence, McGrawHill, 1991; E.Turban, J.Aronson, Decision Support Systems and Intelligent Systems, Prentice Hall 1998; J.Arabas, Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2001; R.Tadeusiewicz, Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993; M.Lasek, Data Mining zastosowania w analizach i ocenach klientów bankowych, Oficyna Wydawnicza Zarządzanie i Finanse, Warszawa 2002; M.Lasek, Metody Data Mining w analizowaniu i prognozowaniu kondycji ekonomicznej przedsiębiorstw. Zastosowania SAS Enterprise Miner, Wydawnictwo DIFIN, Warszawa 2007; E.Gatnar, Symboliczne metody klasyfikacji danych, PWN, Warszawa 1998. |
|
Uwagi: |
Kryteria oceniania: egzamin testowy: 30.00% referaty/eseje: 35.00% ocena z ćwiczeń: 35.00% |
Zajęcia w cyklu "Semestr zimowy 2024/25" (zakończony)
Okres: | 2024-10-01 - 2025-02-14 |
Przejdź do planu
PN LAB
WYK
WT ŚR CZ PT |
Typ zajęć: |
Laboratorium, 10 godzin
Wykład, 20 godzin
|
|
Koordynatorzy: | (brak danych) | |
Prowadzący grup: | Jarosław Olejniczak | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Ocena
Wykład - Ocena |
|
Skrócony opis: |
Patrz semestralny plan zajęć. |
|
Pełny opis: |
Celem zajęć jest przekazanie wiedzy z zakresu Sztucznej Inteligencji (SI) ze szczególnym zwróceniem uwagi na aspekty ekonomiczne. Ponadto celem zajęć jest zdobycie przez studentów umiejętności rozwiązywania wybranych zagadnień ekonomicznych z wykorzystaniem metod i technik SI. Sztuczna inteligencja to dziedzina, w ramach której szuka się metod rozwiązywania problemów wspieranych technologią komputerową, naśladując sposób rozumowania człowieka lub procesy występujące w przyrodzie. Jej rozwój i metody są nierozłącznie związane z rozwojem technik informatyczych. W części wykładowej omówione zostaną podstawowe metody i techniki sztucznej inteligencji takie jak: metody reprezentacji wiedzy, reprezentacja niepewności, maszynowe uczenie się, sztuczne sieci neuronowe, algorytmy genetyczne czy zagadnienia związane z Data Mining, Web miningiem i Text miningiem. W części ćwiczeniowej studenci będą mieli możliwość rozwiązania zagadnień optymalizacyjnych, klasyfikacyjnych i prognostycznych z wykorzystaniem wybranych metod sztucznej inteligencji. |
|
Literatura: |
Literatura podstawowa: J.S.Zieliński, Inteligentne systemy w zarządzaniu, PWN, Warszawa 2000; B.Stefanowicz, Metody sztucznej inteligencji i systemy eksperckie, Oficyna Wydawnicza SGH, Warszawa 1993. Literatura uzupełniająca: E.Rich, K.Knight, Artificial Intelligence, McGrawHill, 1991; E.Turban, J.Aronson, Decision Support Systems and Intelligent Systems, Prentice Hall 1998; J.Arabas, Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2001; R.Tadeusiewicz, Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993; M.Lasek, Data Mining zastosowania w analizach i ocenach klientów bankowych, Oficyna Wydawnicza Zarządzanie i Finanse, Warszawa 2002; M.Lasek, Metody Data Mining w analizowaniu i prognozowaniu kondycji ekonomicznej przedsiębiorstw. Zastosowania SAS Enterprise Miner, Wydawnictwo DIFIN, Warszawa 2007; E.Gatnar, Symboliczne metody klasyfikacji danych, PWN, Warszawa 1998. |
|
Uwagi: |
Kryteria oceniania: egzamin testowy: 30.00% referaty/eseje: 35.00% ocena z ćwiczeń: 35.00% |
Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)
Okres: | 2024-02-24 - 2024-09-30 |
Przejdź do planu
PN LAB
WYK
WT ŚR CZ PT |
Typ zajęć: |
Laboratorium, 10 godzin
Wykład, 20 godzin
|
|
Koordynatorzy: | (brak danych) | |
Prowadzący grup: | Jarosław Olejniczak | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Ocena
Wykład - Ocena |
|
Skrócony opis: |
Patrz semestralny plan zajęć. |
|
Pełny opis: |
Celem zajęć jest przekazanie wiedzy z zakresu Sztucznej Inteligencji (SI) ze szczególnym zwróceniem uwagi na aspekty ekonomiczne. Ponadto celem zajęć jest zdobycie przez studentów umiejętności rozwiązywania wybranych zagadnień ekonomicznych z wykorzystaniem metod i technik SI. Sztuczna inteligencja to dziedzina, w ramach której szuka się metod rozwiązywania problemów wspieranych technologią komputerową, naśladując sposób rozumowania człowieka lub procesy występujące w przyrodzie. Jej rozwój i metody są nierozłącznie związane z rozwojem technik informatyczych. W części wykładowej omówione zostaną podstawowe metody i techniki sztucznej inteligencji takie jak: metody reprezentacji wiedzy, reprezentacja niepewności, maszynowe uczenie się, sztuczne sieci neuronowe, algorytmy genetyczne czy zagadnienia związane z Data Mining, Web miningiem i Text miningiem. W części ćwiczeniowej studenci będą mieli możliwość rozwiązania zagadnień optymalizacyjnych, klasyfikacyjnych i prognostycznych z wykorzystaniem wybranych metod sztucznej inteligencji. |
|
Literatura: |
Literatura podstawowa: J.S.Zieliński, Inteligentne systemy w zarządzaniu, PWN, Warszawa 2000; B.Stefanowicz, Metody sztucznej inteligencji i systemy eksperckie, Oficyna Wydawnicza SGH, Warszawa 1993. Literatura uzupełniająca: E.Rich, K.Knight, Artificial Intelligence, McGrawHill, 1991; E.Turban, J.Aronson, Decision Support Systems and Intelligent Systems, Prentice Hall 1998; J.Arabas, Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2001; R.Tadeusiewicz, Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993; M.Lasek, Data Mining zastosowania w analizach i ocenach klientów bankowych, Oficyna Wydawnicza Zarządzanie i Finanse, Warszawa 2002; M.Lasek, Metody Data Mining w analizowaniu i prognozowaniu kondycji ekonomicznej przedsiębiorstw. Zastosowania SAS Enterprise Miner, Wydawnictwo DIFIN, Warszawa 2007; E.Gatnar, Symboliczne metody klasyfikacji danych, PWN, Warszawa 1998. |
|
Uwagi: |
Kryteria oceniania: egzamin testowy: 30.00% referaty/eseje: 35.00% ocena z ćwiczeń: 35.00% |
Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)
Okres: | 2023-10-01 - 2024-02-23 |
Przejdź do planu
PN LAB
WYK
WT ŚR CZ PT |
Typ zajęć: |
Laboratorium, 10 godzin
Wykład, 20 godzin
|
|
Koordynatorzy: | (brak danych) | |
Prowadzący grup: | Jarosław Olejniczak | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Ocena
Wykład - Ocena |
|
Skrócony opis: |
Patrz semestralny plan zajęć. |
|
Pełny opis: |
Celem zajęć jest przekazanie wiedzy z zakresu Sztucznej Inteligencji (SI) ze szczególnym zwróceniem uwagi na aspekty ekonomiczne. Ponadto celem zajęć jest zdobycie przez studentów umiejętności rozwiązywania wybranych zagadnień ekonomicznych z wykorzystaniem metod i technik SI. Sztuczna inteligencja to dziedzina, w ramach której szuka się metod rozwiązywania problemów wspieranych technologią komputerową, naśladując sposób rozumowania człowieka lub procesy występujące w przyrodzie. Jej rozwój i metody są nierozłącznie związane z rozwojem technik informatyczych. W części wykładowej omówione zostaną podstawowe metody i techniki sztucznej inteligencji takie jak: metody reprezentacji wiedzy, reprezentacja niepewności, maszynowe uczenie się, sztuczne sieci neuronowe, algorytmy genetyczne czy zagadnienia związane z Data Mining, Web miningiem i Text miningiem. W części ćwiczeniowej studenci będą mieli możliwość rozwiązania zagadnień optymalizacyjnych, klasyfikacyjnych i prognostycznych z wykorzystaniem wybranych metod sztucznej inteligencji. |
|
Literatura: |
Literatura podstawowa: J.S.Zieliński, Inteligentne systemy w zarządzaniu, PWN, Warszawa 2000; B.Stefanowicz, Metody sztucznej inteligencji i systemy eksperckie, Oficyna Wydawnicza SGH, Warszawa 1993. Literatura uzupełniająca: E.Rich, K.Knight, Artificial Intelligence, McGrawHill, 1991; E.Turban, J.Aronson, Decision Support Systems and Intelligent Systems, Prentice Hall 1998; J.Arabas, Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2001; R.Tadeusiewicz, Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993; M.Lasek, Data Mining zastosowania w analizach i ocenach klientów bankowych, Oficyna Wydawnicza Zarządzanie i Finanse, Warszawa 2002; M.Lasek, Metody Data Mining w analizowaniu i prognozowaniu kondycji ekonomicznej przedsiębiorstw. Zastosowania SAS Enterprise Miner, Wydawnictwo DIFIN, Warszawa 2007; E.Gatnar, Symboliczne metody klasyfikacji danych, PWN, Warszawa 1998. |
|
Uwagi: |
Kryteria oceniania: egzamin testowy: 30.00% referaty/eseje: 35.00% ocena z ćwiczeń: 35.00% |
Właścicielem praw autorskich jest Szkoła Główna Handlowa w Warszawie.