Podstawy sztucznej inteligencji [0202-INF-1-5021N] Semestr zimowy 2024/2025
Ćwiczenia praktyczne, grupa nr 1

Podstawowa:

Pozycja 1. Aggarwal, C.C., Hinneburg, A., Keim, D.A.: On the Surprising Behavior of Distance Metrics in High Dimensional Space. In: Van den Bussche J., Vianu V. (eds) Database Theory — ICDT 2001. ICDT 2001. Lecture Notes in Computer Science, Vol. 1973, p. 420-434, Springer, Berlin, Heidelberg. DOI: 10.1007/3-540-44503-X_27

Pozycja 2. Duda, R.O., Hart, P.E., Stork, D.G. Chapter 4 – Nonparametric Techniques, Pattern Classification (Second Edition), Wiley-Interscience 2000, pp.161-214, ISBN: 0-471-05669-3

Pozycja 3. Guo, Gongde & Wang, Hui & Bell, David & Bi, Yaxin. (2004). KNN Model-Based Approach in Classification

Pozycja 4. Hossin, M.; Sulaiman, M.N. A Review on evaluation metrics for data classification evaluations. Int. J. Data Min. Knowl. Manag. Process 2015,

5, pp. 1–11

Uzupełniająca:

Pozycja 5. Bednarek Józef (red.), Człowiek w obliczu szans cyberprzestrzeni i świata wirtualnego, Difin, Warszawa 2014.

Pozycja 6. Rybak, Ł.; Dudczyk, J.: Various approaches to modelling of the mass using the size of the class in the Centroid Based Classification. Elektronika : konstrukcje, technologie, zastosowania 2019, Vol. 60, No. 6, pp. 62-65, Warszawa, Polska. DOI: 10.15199/13.2019.6.13

Pozycja 7. Rybak, Ł.; Dudczyk, J.: A Geometrical Divide of Data Particle in Gravitational Classification of Moons and Circles Data Sets. Entropy 2020, Vol. 22, Issue 10, Basel, Switzerland. DOI: 10.3390/e22101088

Pozycja 8. Hossin, M.; Sulaiman, M.N. A Review on evaluation metrics for data classification evaluations. Int. J. Data Min. Knowl. Manag. Process 2015, 5, pp. 1–11

Wykłady:

1. Internet – bezpieczeństwo i zasady korzystania, cyberbezpieczeństwo

2. Zapoznanie się z terminem sztucznej inteligencji,

3. Poznanie programów z wykorzystaniem sztucznej inteligencji

4. Prezentacje Multimedialne z wykorzystaniem programu Modelio Open Source 5.3.1 do opisania i wytłumaczenia: na czym polega, jak powstaje, do czego służy diagram wykonywany na ćwiczeniach:

 Class diagram,

 Activity diagram,

 Sequence diagram,

 Object diagram,

 Deployment diagram,

 Uce case diagram,

 State Machine diagram,

 Communication diagram,

 BPMN Collabortion diagram.

5. Grafika prezentacyjna, Grafika rastrowa i wektorowa

6. Multimedia

Treści teoretyczne przekazywane są w formie wykładu konwersatoryjnego z wykorzystaniem prezentacji multimedialnej oraz dyskusji.

Wykorzystanie prezentacji multimedialnej, sieci lokalnej i globalnej podczas wykładu służą do zapozna studentów i nabywania przez nich praktycznych umiejętności użytkowania sieciowych systemów operacyjnych.

Materiały oraz wykłady wyjaśniające terminologię AI. Zapoznanie się z programami AI oraz ćwiczenia praktyczne.

Wykłady z praktycznym wykorzystaniem programu dostępnego w licencji free Modelio 5 Open Source 5.3.1 i prezentacji multimedialnych oraz Internetu. Ciągła ocena indywidualnej pracy studentów z zakresu: zadań z wykorzystaniem specjalistycznych programów ICT, pracy w grupach, korzystania z baz danych z zakresu informacji publicznej GUS.

Materiały dydaktyczne opracowane przez nauczyciela.

Efekty w zakresie WIEDZY weryfikuje się poprzez: sprawdzenie wiedzy z wykorzystaniem materiałów i zadań od wykładowcy, samodzielnego przygotowania zadania.

UMIEJĘTNOŚCI weryfikowane są poprzez: wykonanie określonych zadań podczas wykładu z zastosowaniem specjalistycznych programów komputerowych, aktywność, współpracę grupową w realizacji projektu.

KOMPETENCJE SPOŁECZNE weryfikowane są poprzez: obserwację pracy studenta w trakcie semestru, ocenę postawy i aktywności w trakcie zajęć, informację zwrotną od wykładowcy, informację zwrotną od innych studentów, wykazanie się właściwymi kompetencjami społecznymi w trakcie realizacji konkretnego projektu zaliczeniowego, realizacji wyznaczonych przez prowadzącego zadań w trakcie zajęć

Ocena końcowa wystawiana jest na podstawie: egzaminu z udostępnionych wykładów.