Reprezentacja i przetwarzanie wiedzy I-SM3O>RiPW
Kurs ma na celu wyposażenie studentów w szeroką wiedzę dotyczącą metod analizy, reprezentacji i przetwarzania informacji, ze szczególnym uwzględnieniem inteligencji obliczeniowej oraz inżynierii wiedzy. Studenci poznają podstawy semantyki i ontologii oraz nowoczesne techniki programowania systemów ontologicznych. Nauczą się stosować narzędzia wspomagające prace projektowe, rozwiązywać problemy związane z gromadzeniem i przetwarzaniem wiedzy, a także rozwijać umiejętności analityczne. Istotnym elementem kursu jest również kształcenie umiejętności tworzenia ontologii oraz zrozumienie wyzwań związanych z efektywnym zarządzaniem wiedzą.
|
W cyklu 2021/2022-Z:
Celem przedmiotu jest pokazanie metod reprezentacji wiedzy i wnioskowania w systemach informatycznych. Podczas zajęć studenci zdobywają wiedzę z zakresu logiki oraz rachunku predykatów, systemów regułowych, modelowania procesów decyzyjnych oraz ontolgii. Po ukończeniu przedmiotu student potrafi zaprojektować oraz wykonać regułowy system ekspertowy w wybranym języku. |
Koordynatorzy przedmiotu
W cyklu 2022/2023-Z: | W cyklu 2023/2024-Z: | W cyklu 2021/2022-Z: | W cyklu 2024/2025-Z: |
<b>Ocena końcowa</b>
W cyklu 2022/2023-Z: Ocena końcowa z przedmiotu ustalana jest na podstawie wyniku zaliczenia zadań problemowych. Do każdego z pytań będzie naliczana punktacja, na ocenę końcową wpływ będzie miało podsumowanie punktacji, przy czym ocena pozytywna to minimum 51% punktów.
| W cyklu 2023/2024-Z: Ocena końcowa z przedmiotu jest średnią ważoną ocen z wykładu (51%) i laboratorium (49%). Warunkiem zaliczenia przedmiotu jest uzyskanie co najmniej oceny dostatecznej zarówno z wykładu, jak i z laboratorium.
| W cyklu 2024/2025-Z: Ocena końcowa z przedmiotu jest średnią ważoną ocen z wykładu (51%) i laboratorium (49%). Warunkiem zaliczenia przedmiotu jest uzyskanie co najmniej oceny dostatecznej zarówno z wykładu, jak i z laboratorium.
|
<b>Wymagania wstępne</b>
<b>Literatura podstawowa</b>
W cyklu 2022/2023-Z: 1. F. van Harmelen, V. Lifschitz, B. W. Porter: Handbook of Knowledge Representation, Elsevier Science, 2008
2. S. Russell and P. Norvig: Artificial Intelligence - A Modern Approach, Pearson Education Limited, 2014
3. Rutkowski L.: Metody i techniki sztucznej inteligencji, PWN, 2021 (wydanie 2)
| W cyklu 2023/2024-Z: 1. Seweryn Spałek: SYSTEMY INFORMACYJNE I ZARZĄDZANIE WIEDZĄ,
EAN 9788381024112
2. Jędrzej Trajer, Alfred Paszek, Stanisław Iwan: ZARZĄDZANIE WIEDZĄ,
ISBN: 978-83-208-2015-7
3. Grażyna Gruszczyńska-Malec, Monika Rutkowska: STRATEGIE
ZARZĄDZANIA WIEDZĄ. MODELE TEORETYCZNE I EMPIRYCZNE,
ISBN: 978-83-208-2046-1
4. Harvard Business School Press: Harvard Business Review. Zarządzanie
wiedzą, ISBN 83-736-1931-3, 2006
5. Gliński W.: Systemy reprezentacji wiedzy, Stowarzyszenie Bibliotekarzy
Polskich, 2011
6. Gołuchowski J.: Technologie informatyczne w zarządzaniu wiedzą w
organizacji, Wydawnictwo Akademii Ekonomicznej w Katowicach, 2005
7 Baader, F. et al. (eds.): The Description Logic Handbook. Theory.
Implementation and Applications, Cambridge Univ. Press, Cambridge 2003
8. K.Goczyla — Ontologie w systemach informatycznych, EXIT, Warszawa
2011 | W cyklu 2024/2025-Z: 1. Seweryn Spałek: SYSTEMY INFORMACYJNE I ZARZĄDZANIE WIEDZĄ,
EAN 9788381024112
2. Jędrzej Trajer, Alfred Paszek, Stanisław Iwan: ZARZĄDZANIE WIEDZĄ,
ISBN: 978-83-208-2015-7
3. Grażyna Gruszczyńska-Malec, Monika Rutkowska: STRATEGIE
ZARZĄDZANIA WIEDZĄ. MODELE TEORETYCZNE I EMPIRYCZNE,
ISBN: 978-83-208-2046-1
4. Harvard Business School Press: Harvard Business Review. Zarządzanie
wiedzą, ISBN 83-736-1931-3, 2006
5. Gliński W.: Systemy reprezentacji wiedzy, Stowarzyszenie Bibliotekarzy
Polskich, 2011
6. Gołuchowski J.: Technologie informatyczne w zarządzaniu wiedzą w
organizacji, Wydawnictwo Akademii Ekonomicznej w Katowicach, 2005
7 Baader, F. et al. (eds.): The Description Logic Handbook. Theory.
Implementation and Applications, Cambridge Univ. Press, Cambridge 2003
8. K.Goczyla — Ontologie w systemach informatycznych, EXIT, Warszawa
2011 |
<b>Literatura uzupełniająca</b>
<b>Inne informacje</b>
Efekty kształcenia
Wiedza
Posiada szeroką wiedzę obejmującą metody analizy i przetwarzania informacji wykorzystywane w inteligencji obliczeniowej i inżynierii wiedzy
Powiązane efekty kierunkowe:
IF2A_W05
Metody weryfikacji:
Kolokwium:Posiada szeroką wiedzę obejmującą metody analizy i przetwarzania informacji wykorzystywane w inteligencji obliczeniowej i inżynierii wiedzy.
Wiedza
Ma wiedzę z zakresu nowoczesnych technik programowania regułowych systemów ekspertowych
Powiązane efekty kierunkowe:
IF2A_W04
Metody weryfikacji:
Egzamin:Ma wiedzę z zakresu nowoczesnych technik programowania regułowych systemów ekspertowych. W ramach egzaminu, kolokwium
Wiedza
Zna i rozumie procesy projektowania oraz reprezentacji wiedzy w systemach informatycznych, a także metody i techniki stosowane w projektowaniu aplikacji
Powiązane efekty kierunkowe:
IF2A_W18
Metody weryfikacji:
Egzamin:Zna i rozumie procesy projektowania oraz reprezentacji wiedzy w systemach informatycznych, a także metody i techniki stosowane w projektowaniu aplikacji. W ramach egzaminu, kolokwium
Wiedza
Posiada uporządkowaną wiedzę dotyczącą systemów wspomagania decyzji i innych systemów sztucznej inteligencji
Powiązane efekty kierunkowe:
IF2A_W11
Metody weryfikacji:
Egzamin:Posiada uporządkowaną wiedzę dotyczącą systemów wspomagania decyzji i innych systemów sztucznej inteligencji. W ramach egzaminu, kolokwium
Umiejętności
Zna i potrafi stosować narzędzia wspomagające prace projektowe takie jak: narzędzia do tworzenia systemów ekspertowych, graficznego modelowania procesów decyzyjnych
Powiązane efekty kierunkowe:
IF2A_U21
Metody weryfikacji:
Kolokwium:Zna i potrafi stosować narzędzia wspomagające prace projektowe takie jak: narzędzia do tworzenia systemów ekspertowych, graficznego modelowania procesów decyzyjnych
Umiejętności
Potrafi projektować i tworzyć systemy sztucznej inteligencji, w tym systemy wspomagania decyzji i inteligencji obliczeniowej
Powiązane efekty kierunkowe:
IF2A_U17
Metody weryfikacji:
Egzamin:Potrafi projektować i tworzyć systemy sztucznej inteligencji, w tym systemy wspomagania decyzji i inteligencji obliczeniowej. W ramach egzaminu, kolokwium
Umiejętności
Umie zastosować typowe metody i narzędzia informatyczne do zadań o charakterze praktycznym podczas tworzenia systemów regułowo-decyzyjnych
Powiązane efekty kierunkowe:
IF2A_U15
Metody weryfikacji:
Kolokwium:Umie zastosować typowe metody i narzędzia informatyczne do zadań o charakterze praktycznym podczas tworzenia systemów regułowo-decyzyjnych
Umiejętności
Potrafi pozyskiwać informacje z literatury, baz danych i innych źródeł zarówno w języku polskim i języku angielskim; potrafi integrować uzyskane informacje, dokonywać ich interpretacji, a także wyciągać wnioski oraz formułować i uzasadniać opinie.
Powiązane efekty kierunkowe:
IF2A_U01
Metody weryfikacji:
Egzamin:Potrafi pozyskiwać informacje z literatury, baz danych i innych źródeł zarówno w języku polskim i języku angielskim; potrafi integrować uzyskane informacje, dokonywać ich interpretacji, a także wyciągać wnioski oraz formułować i uzasadniać opinie. W ramach egzaminu, kolokwium
Kompetencje społeczne
Potrafi odpowiednio określić priorytety służące realizacji określonego przez siebie lub innych zadania w zakresie tworzenia systemów regułowo-decyzyjnych
Powiązane efekty kierunkowe:
IF2A_K04
Metody weryfikacji:
Egzamin:Potrafi odpowiednio określić priorytety służące realizacji określonego przez siebie lub innych zadania w zakresie tworzenia systemów regułowo-decyzyjnych. W ramach egzaminu, kolokwium
Kompetencje społeczne
Rozumie potrzebę i zna możliwości ciągłego dokształcania się – podnoszenia kompetencji zawodowych, osobistych i społecznych.
Powiązane efekty kierunkowe:
IF2A_K01
Metody weryfikacji:
Egzamin:Rozumie potrzebę i zna możliwości ciągłego dokształcania się – podnoszenia kompetencji zawodowych, osobistych i społecznych. W ramach egzaminu, kolokwium
Kompetencje społeczne
Zdaje sobie sprawę z zagrożeń związanych z przechowywaniem i przetwarzaniem danych
Powiązane efekty kierunkowe:
IF2A_K02
Metody weryfikacji:
Egzamin:Zdaje sobie sprawę z zagrożeń związanych z przechowywaniem i przetwarzaniem danych. W ramach egzaminu, kolokwium
Kryteria oceniania
Zaliczenie wykładu odbywa się na podstawie ocen z testów obejmujących materiał wykładowy. Ocena z wykładu to średnia arytmetyczna pozytywnych ocen z testów.
Zaliczenie ćwiczeń laboratoryjnych następuje na podstawie oceny realizacji zadań wykonywanych podczas zajęć. Ocena z laboratorium to średnia arytmetyczna pozytywnych ocen końcowych z ćwiczeń.
Ocena końcowa z przedmiotu jest średnią ważoną ocen z wykładu (51%) i laboratorium (49%). Warunkiem zaliczenia przedmiotu jest uzyskanie co najmniej oceny dostatecznej zarówno z wykładu, jak i z laboratorium.
Literatura
• Seweryn Spałek: SYSTEMY INFORMACYJNE I ZARZĄDZANIE WIEDZĄ,
EAN 9788381024112
• Jędrzej Trajer, Alfred Paszek, Stanisław Iwan: ZARZĄDZANIE WIEDZĄ,
ISBN: 978-83-208-2015-7
• Grażyna Gruszczyńska-Malec, Monika Rutkowska: STRATEGIE
ZARZĄDZANIA WIEDZĄ. MODELE TEORETYCZNE I EMPIRYCZNE,
ISBN: 978-83-208-2046-1
• Harvard Business School Press: Harvard Business Review. Zarządzanie
wiedzą, ISBN 83-736-1931-3, 2006
• Gliński W.: Systemy reprezentacji wiedzy, Stowarzyszenie Bibliotekarzy
Polskich, 2011
• Gołuchowski J.: Technologie informatyczne w zarządzaniu wiedzą w
organizacji, Wydawnictwo Akademii Ekonomicznej w Katowicach, 2005
• Baader, F. et al. (eds.): The Description Logic Handbook. Theory.
Implementation and Applications, Cambridge Univ. Press, Cambridge 2003
• K.Goczyla — Ontologie w systemach informatycznych, EXIT, Warszawa
2011