Sylabus

Sylabus przedmiotu

Sztuczna inteligencja w logistyce i produkcji

kod: SIWLIP-OcKECTS: 2semestr: 6język: polski

Wydział: Instytut Nauk Inżynieryjno-Technicznych
Kierunek: Inżynieria i logistyka produkcji
Kod przedmiotu: SIWLIP-OcK
Rodzaj studiów: zawodowe z tyt. inżyniera
Semestr rozpoczęcia: semestr zimowy 2025/2026
Semestr przedmiotu: 6
ECTS: 2
Język nauczania: polski

Forma zajęć Atrybuty formy Godziny w semestrze Godziny w tygodniu Zaliczenie Kompetencje Waga
stacjonarne niestacjonarne stacjonarne niestacjonarne
Wykład Forma mieszana, Kontakt bezpośredni: 100% 15 9 1 1 Egzamin
0
Projekt Kontakt bezpośredni: 100% 30 18 2 1 Zaliczenie na ocenę
0

Forma aktywnościLiczba godzin - stac.Liczba godzin - niestac.
Przygotowanie do zajęć05
Przygotowanie do egzaminu / zaliczenia27
Przygotowanie projektu311
SUMA523

Cele przedmiotu: Celem przedmiotu jest przekazanie kluczowej wiedzy i ukształtowanie umiejętności w zakresie zastosowania AI i uczenia maszynowych w kontekście Przemysłu 5.0. W szczególności, przedmiot obejmuje takie zagadnienia jak: - Wytyczne etyczne EU dla godnej zaufania sztucznej inteligencji (ang., Ethics Guidelines for Trustworthy Artificial Intelligence) - grafowe sieci neuronowe, EfficientNet, Inception V, YOLO, Facebook Prophet, ChatGPT - bezpieczeństwem stosowania rozwiązań AI i uczenia maszynowego - inteligentne systemy wspomagania decyzji - zastosowania AI i uczenia maszynowego

Wymagania wstępne:

Zakres tematyczny

Rodzaj zajęć Opis Godz. stac. Godz. niestac.
Wykład Omówienie obecnego stanu wiedzy w zakresie AI i uczenia maszynowego oraz ich zastosowań w kontekście Przemysłu 5.0. Wytyczne etyczne EU dla godnej zaufania sztucznej inteligencji (ang., Ethics Guidelines for Trustworthy Artificial Intelligence). 2 1
Wykład Wprowadzenie do środowisk oraz narzędzi AI i uczenia maszynowego: grafowe sieci neuronowe, EfficientNet, Inception V, YOLO, Facebook Prophet, ChatGPT. 2 1
Wykład Zagadnienia związane z bezpieczeństwem stosowania rozwiązań AI i uczenia maszynowego. 2 1
Wykład Inteligentne systemy wspomagania decyzji: podstawowe definicje i struktury. 2 1
Wykład Problemy decyzyjne: wybór, klasyfikacja, rankingi. 2 1
Wykład Modele preferencji dla wielowymiarowych problemów decyzyjnych: funkcja użyteczności, system relacyjny, zbiór reguł decyzyjnych. 2 1
Wykład Zastosowania AI i uczenia maszynowego w: przewidywaniu zapotrzebowania na energię elektryczną, analizie uszkodzeń systemów energoelektronicznych, przewidywanie zapotrzebowania na energię odnawialną, modelowanie procesów przemysłowych i optymalizacji ich funkcjonowania. 3 3
Projekt Zdefiniowanie zadania projektowego z zastosowaniem AI i zaawansowanego uczenia maszynowego 2 1
Projekt Zbudowanie struktury aplikacji z zastosowaniem wybranych bibliotek AI i zaawansowanego uczenia maszynowego 4 1
Projekt Implementacja zaprojektowanego rozwiązania 16 10
Projekt Testy i poprawki oraz przygotowanie wersji finalnej projektu 4 2
Projekt Przygotowanie i dokumentacja wyników działania zadania projektowego 4 1

Metody dydaktyczne

Opis
Wykład problemowy
Wykład konwencjonalny
Metoda przypadków
Dyskusja
Demonstracja
Ćwiczenia laboratoryjne
Zajęcia projektowe
Praca w środowisku wirtualnym

Warunki zaliczenia:

 

bardzo dobry5.0student/ka zna, rozumie i wyjaśnia zakładane efekty uczenia się i potrafi je zastosować w praktyce w stopniu bardzo dobrym
dobry plus4.5student/ka zna, rozumie i wyjaśnia zakładane efekty uczenia się i potrafi je zastosować w praktyce w stopniu ponad dobrym
dobry4.0student/ka zna, rozumie i wyjaśnia zakładane efekty uczenia się i potrafi je zastosować w praktyce w stopniu dobrym
dostateczny plus3.5student/ka zna, rozumie i wyjaśnia zakładane efekty uczenia się i potrafi je zastosować w praktyce w stopniu dość dobrym
dostateczny3.0student/ka zna, rozumie i wyjaśnia zakładane efekty uczenia się i potrafi je zastosować w praktyce w stopniu dostatecznym
zaliczonezalstudent/ka zna, rozumie i wyjaśnia zakładane efekty uczenia się i potrafi je zastosować w praktyce
niezaliczonenzalstudent/ka nie zna, nie rozumie i nie wyjaśnia zakładanych efektów uczenia się i nie potrafi ich zastosować w praktyce

Literatura podstawowa: Sylwester Bejger, Grzegorz Dudek, Witold Orzeszko, Michał D. Stasiak, Krzysztof Targiel, Uczenie maszynowe w podejmowaniu decyzji prognostycznych, Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika, 2020 Kyle Gallatin, Chris Albon, Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu, Helion, 2024 Leszek Albrzykowski, Uczenie maszynowe. Elementy matematyki w analizie danych, Helion, 2023 I. Gupta, G. Nagpal, Artificial Intelligence and Expert Systems. Techniques and Applications for Problem Solving, Mercury Learning and Information, 2020 Uthayan Elangovan, Industry 5.0 The Future of the Industrial Economy, CRC Press, 2022.

Literatura uzupełniająca:

SymboleOpis efektuMetoda weryfikacjiForma zajęć
Potrafi scharakteryzować aktualny wiedzy w zakresie zastosowania AI i uczenia maszynowych w kontekście Przemysłu 5.0.
  • kolokwium pisemne pytania otwarte
  • projekt
  • Wykład
  • Projekt
Ma zaawansowaną wiedze w zakresie strategi oraz środowiska AI i uczenia maszynowego, wyjaśnić zagadnienia związane z bezpieczeństwem ich stosowania.
  • kolokwium pisemne pytania otwarte
  • projekt
  • Wykład
  • Projekt
Potrafi wskazać i wyjaśnić kluczowe aspekty konstruowania inteligentnych systemów decyzyjnych.
  • kolokwium pisemne pytania otwarte
  • projekt
  • Wykład
  • Projekt
Ma świadomość i potrafi wskazać etyczne zagrożenia związanych z zastosowaniem AI i uczenia maszynowego.
  • kolokwium pisemne pytania otwarte
  • projekt
  • Wykład
  • Projekt

Osoba odpowiedzialna:
Zmodyfikowany przez: SYSTEM