Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Wybrane zagadnienia matematyki stosowanej
Tok studiów:
2017/2018
Kod:
EME-1-710-s
Wydział:
Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Mikroelektronika w technice i medycynie
Semestr:
7
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
prof. dr hab. inż. Gajda Janusz (jgajda@agh.edu.pl)
Osoby prowadzące:
prof. dr hab. inż. Gajda Janusz (jgajda@agh.edu.pl)
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Zna podstawowe algortymy numeryczne, w tym aproksymacji, interpolacji, całkowania i różniczkowania numerycznego, wyznaczania rozwiązań równań i ich układów. ME1A_W07, ME1A_W01 Aktywność na zajęciach,
Kolokwium
M_W002 Zna metody klasyfikacji oparte na sieciach neuronowych i logice rozmytej. ME1A_W07 Aktywność na zajęciach,
Kolokwium
M_W003 Potrafi opisać metody modelowania matematycznego. ME1A_W07, ME1A_W01 Aktywność na zajęciach,
Kolokwium
Umiejętności
M_U001 Potrafi skonstruowac model matematyczny prostego zjawiska fizycznego za pomocą równań różniczkowych oraz automatów komórkowych. ME1A_U25, ME1A_U07, ME1A_U01 Aktywność na zajęciach,
Kolokwium
M_U002 Potrafi rozwiązać problemy klasyfikacji wykorzystując sieci neuronowe lub algorytmy logiki rozmytej. ME1A_U25, ME1A_U02, ME1A_U01 Aktywność na zajęciach,
Kolokwium
M_U003 Potrafi wykorzystać elementy teorii grafów w modelowaniu matematycznym, m.in do rozwiązywania problemów sieciowych. ME1A_U25, ME1A_U07 Aktywność na zajęciach,
Kolokwium
Kompetencje społeczne
M_K001 Rozumie wagę problemów modelowania matematycznego we współczesnej nauce i technice. ME1A_K02 Aktywność na zajęciach
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 Zna podstawowe algortymy numeryczne, w tym aproksymacji, interpolacji, całkowania i różniczkowania numerycznego, wyznaczania rozwiązań równań i ich układów. + - - - - - - - - - -
M_W002 Zna metody klasyfikacji oparte na sieciach neuronowych i logice rozmytej. + - + - - - - - - - -
M_W003 Potrafi opisać metody modelowania matematycznego. - - - - - - - - - - -
Umiejętności
M_U001 Potrafi skonstruowac model matematyczny prostego zjawiska fizycznego za pomocą równań różniczkowych oraz automatów komórkowych. - - + - - - - - - - -
M_U002 Potrafi rozwiązać problemy klasyfikacji wykorzystując sieci neuronowe lub algorytmy logiki rozmytej. - - + - - - - - - - -
M_U003 Potrafi wykorzystać elementy teorii grafów w modelowaniu matematycznym, m.in do rozwiązywania problemów sieciowych. - - + - - - - - - - -
Kompetencje społeczne
M_K001 Rozumie wagę problemów modelowania matematycznego we współczesnej nauce i technice. - - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

  1. Metody numeryczne.
  2. Wstęp do modelowania matematycznego, modelowanie zjawisk fizycznych za pomocą równań różniczkowych.
  3. Inne podejścia do modelowania matematycznego: automaty komórkowe, logika rozmyta, sieci neuronowe, metody Monte Carlo.
  4. Elementy teorii grafów.
  5. Algorytmy ewolucyjne, genetyczne, symulowane wyżarzanie.

Ćwiczenia laboratoryjne:

  1. Implementacja podstawowych algorytmów numerycznych (m.in. aproksymacja, interpolacja).
  2. Numeryczne wyznaczanie rozwiązań równań i układów równań.
  3. Całkowanie numeryczne, numeryczne wyznaczanie rozwiązań równań różniczkowych.
  4. Modelowanie wybranych zjawisk fizycznych.
  5. Przykłady zastosowań automatów komórkowych w technice.
  6. Wykorzystanie sieci neuronowych i logiki rozmytej w problemach klasyfikacji.
  7. Implementacja metod Monte Carlo do zastosowania w wybranych zagadnieniach.
  8. Reprezentacja grafowa, implementacja wybranych algorytmów grafowych i ich zastosowania.
  9. Optymalizacja w problemach sieciowych.
  10. Algorytmy ewolucyjne i symulowane wyżarzanie.

Kolokwium zaliczeniowe

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 59 godz
Punkty ECTS za moduł 2 ECTS
Udział w wykładach 14 godz
Udział w ćwiczeniach laboratoryjnych 28 godz
Przygotowanie do zajęć 10 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Samodzielne studiowanie tematyki zajęć 5 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Ocena końcowa jest oceną z kolokwium zaliczeniowego z ewentualną zmianą o +/- 0.5 stopnia w zależności od aktywności na zajęciach.

Wymagania wstępne i dodatkowe:

Wiedza z zakresu analizy matematycznej, algebry, rachunku prawdopodobieństwa i statystyki. Umiejętność podstawowego programowania.

Zalecana literatura i pomoce naukowe:
  1. J. Awrejcewicz, Matematyczne modelowanie systemów. Wydawnictwo Naukowo Techniczne, Warszawa 2007r.
  2. Z. Fortuna, B. Macukow, J. Wąsowski, Metody numeryczne, Podręczniki Akademickie EIT, WNT Warszawa,1982, 2005
  3. R. Tadeusiewicz, Sieci Neuronowe, Akademicka Oficyna Wydawnicza, Warszawa 1991
  4. K. Kułakowski, Automaty komórkowe, Kraków : Akademia Górniczo-Hutnicza im. St. Staszica. Ośrodek Edukacji Niestacjonarnej, 2000.
  5. J. Mathews, R.L. Walker, Mathematical methods of physics, California Institute of technology, W.A.Benjamin, INC. new York, 1964
Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak