SERWIS AKADEMICKI - DR HAB. ADRIAN HORZYK, PROF. AGH

Akademia Górniczo-Hutnicza w Krakowie - AGH University of Krakow
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Katedra Biocybernetyki i Inżynierii Biomedycznej
Laboratorium Biocybernetyki, Kognitywistyki i Sztucznej Inteligencji

• Dossier
• Badania
  • Dokonania i Wyniki
  • Wesprzyj badania nad etyczną AGI i ACK
  • Certyfikaty i Dyplomy
  • Projekty i Granty
  • Zespoły i Współpracownicy
  • Zespół MOTIVATED ASSOCIATIVE BRAIN
  • Projekty Komercyjne, Wdrożenia i Referencje
  • Współpraca i Oferty Pracy
  • CERN ALICE
  • Tematy i Zainteresowania
  • Indeksy cytowań
  • Publikacje naukowe
  • Publikacje naukowe ze studentami
• Publikacje
• Dydaktyka
  • Aktualny plan zajęć
  • Inteligencja obliczeniowa (po angielsku)
  • Sztuczna inteligencja i inżynieria wiedzy (po angielsku) [obieralny]
  • Oparta na wiedzy inteligencja obliczeniowa oraz eksploracja danych w biomedycynie (po angielsku)
  • Zaawansowana inteligencja obliczeniowa (po angielsku) [obieralny]
  • Sztuczna inteligencja i inteligencja obliczeniowa
  • Metody sztucznej inteligencji (po angielsku)
  • Sztuczna inteligencja i uczenie maszynowe w biomedycynie (po angielsku) [obieralny]
  • Asocjacyjne obliczenia w sztucznych systemach skojarzeniowych [obieralny]
  • Biocybernetyka
  • Bazy danych
  • Metody inżynierii wiedzy
  • Wstęp do informatyki
  • Propedeutyka informatyki
  • Wyzwania społeczeństwa informacyjnego
  • Bezpieczeństwo danych i kryptologia
  • Projektowanie stron WWW
  • Podstawy negocjacji
  • Psychologia negocjacji
  • Projekt zespołowy i narzędzia pracy grupowej
  • Pracownia inżynierska
• Dyplomanci
  • Tematy prac inżynierskich
  • Realizowane i zakończone prace inżynierskie
  • Tematy prac magisterskich
  • Realizowane i zakończone prace magisterskie
  • Tematy prac doktorskich
  • Realizowane i zakończone rozprawy doktorskie
  • Recenzje rozpraw doktorskich
  • Recenzje rozpraw habilitacyjnych
  • Komisje doktorskie
  • Komisje habilitacyjne
  • Publikacje naukowe ze studentami
• Konsultacje
• Kontakt

METODY INŻYNIERII WIEDZY - METHODS OF KNOWLEDGE ENGINEERING

Gromadzenie i efektywne przetwarzanie danych to jedno z głównych zadań naszej współczesnej cywilizacji, która coraz bardziej opiera swoje istnienie i działanie na danych, informacji, wiedzy oraz możliwości wyciągania wartościowych wniosków z nich płynących. Pytanie, czy współcześnie wykonujemy te zadania wystarczająco dobrze? A może można lepiej, szybciej i efektywniej? A może można pewne procesy zautomatyzować i wykorzystać potencjał drzemiący w niezbadanych jeszcze procesach myślowych i pamięciowych ludzkiego umysłu? Tego właśnie dotyczy ten przedmiot, a kwestie poruszane w trakcie wykładów pozwalają sięgnąć w przyszłość i przygotować się na problemy przyszłości, jak również radzić sobie z zagadnieniami teraźniejszości, podnosząc poprzeczkę w przetwarzaniu i eksploracji danych, zdobywając umiejętności i widzę, która na rynku pracy podniesie wartość młodych informatyków, zdolnych efektywniej przetwarzać i eksplorować dane, automatycznie wnioskować i reprezentować wiedzę... Obecnie na świecie bardzo dużą popularność zdobywają różnego rodzaju systemy zdolne efektywnie pracować na danych, analizować je, grupować i klasyfikować. Będziemy się więc zajmować metodami, które pozwolą osiągnąć różne ważne cele w zakresie DATA SCIENCE, DATA MINING, KNOWLEDGE ENGINEERING i KNOWLEDGE EXPLORATION.

WYKŁAD (28 godz.) + ĆWICZENIA LABORATORYJNE (28 godz.)

Czy chciałbyś nauczyć się posługiwać nowoczesnymi metodami inżynierii wiedzy, które pozwolą Ci reprezentować dane i informacje w skonsolidowanej postaci, formować wiedzę oraz ją eksploatować w nowoczesnych systemach informatycznych w powiązaniu z systemami ekspertowymi, bazami danych oraz metodami eksploracji danych?

A może chciał(a)byś wziąć udział w konkursach informatycznych (np. Kaggle) i wygrać sporą sumkę?!

Zachęcam do przynoszenia na zajęcia swoich własnych laptopów z ulubionym środowiskiem programistycznym oraz językiem programowania w celu efektywnej pracy nad zadaniami i projektami w trakcie zajęć oraz łatwym ich przenoszeniem do pracy poza godzinami zajęć. Oczywiście będzie można też korzystać z komputerów na pracowni komputerowej oraz z zainstalowanych na niej kompilatorów.

HARMONOGRAM ZAJĘĆ DLA TEGO PRZEDMIOTU:

• WYKŁADY: Poniedziałki: 8:30-10:00 w C3/201a
• ĆWICZENIA + PROJEKTY: Poniedziałki: 10:00-11:30 w C3/201a

Manifest na Rzecz Polskiej Sztucznej Inteligencji

ODDAWANIE I PREZENTACJA ZADAŃ ZALICZENIOWYCH: w trakcie ostatnich zajęć w semestrze od 8:30 do 11:30.

EGZAMIN: w terminie do uzgodnienia może być przeprowadzony w jednej z dwóch form do wyboru przez każdego studenta zgodnie z informacją podaną w prezentacji.

NADRZĘDNYM CELEM UDZIAŁU W ZAJĘCIACH ORAZ ZADAŃ ZALICZENIOWYCH I EGZAMINU JEST: Zdobycie przez każdego studenta rzetelnej wiedzy, doświadczenia i nowych umiejętności z zakresu metod inżynierii wiedzy oraz zadowolenie studenta z ich opanowania!

TERMINY EGZAMINÓW:

1. termin 25.06. godz. 9:00 C3/206
2. termin 28.06. godz. 9:00 C3/206
3. termin 05.09. godz. 9:00 C3/206

Studenci proszeni są o zarezerwowanie czasu na ten blok zajęć, gdyż praca na ćwiczeniach jest prawie niemożliwa bez znajomości treści wykładów, a ponadto wtedy realizacja zadań zajmuje dużo więcej czasu niż w przypadku brania udziału w wykładach. W trakcie tego przedmiotu można nauczyć się wiele nowych, praktycznie przydatnych metod i struktur przechowywania danych do szybkiej eksploracji wiedzy, lecz jak wszystko wymaga zaangażowania. Po opanowaniu materiału z tego przedmiotu możliwe będzie nawet zaproponowanie udziału w projektach komercyjnych wykorzystującym zdobytą wiedzę w trakcie trwania tego przedmiotu. W razie zainteresowania chętni mogą zaczerpnąć więcej informacji na ten temat u prowadzącego. Będzie kilka dostępnych etatów a nabór kandydatów zostanie otwarty najprawdopodobniej w okolicach kwietnia-maja. Ponadto tematy realizowane w trakcie zajęć można rozwinąć również do postaci prac magisterskich, więc można załatwić dwie ważne sprawy za jednym zamachem!

Skorzystaj z systemów regułowych... Zastosuj dorobek klasycznej i rozmytej logiki matematycznej... Wyciągnij z baz danych informacje i transformuj je na wiedzę... Dokonaj automatycznej eksploracji danych, grupowania i wyszukiwania interesujących danych, klas, faktów i reguł... Zastosuj architektury kognitywne... Wykorzystaj potencjał biologicznych mechanizmów formowania wiedzy w informatyce... Modeluj procesy skojarzeniowe i przywołuj kontekstowo informacje... Zbuduj inteligentne systemy komputerowe korzystające z wiedzy...

W trakcie wykładu będą omówione następujące zagadnienia:

1. Czym jest wiedza i inteligencja oraz jak są ze sobą wzajemnie powiązane?
2. Czym jest informacja i na czym polega wnioskowanie (ostre i rozmyte)? Jakie cechy musi posiadać system ekspertowy?
3. Omówienie zagadnień dotyczących modelowania obiektów, faktów, i reguł.
4. Wykorzystanie relacyjnych baz danych do eksploracji danych oraz tworzenia baz wiedzy
5. Zaznajomienie studentów z podstawami logiki klasycznej i rozmytej oraz możliwościami jej stosowania do wnioskowania
6. Omówienie systemów regułowych i sposobów wnioskowania z ich pomocą
7. Omówienie metod, architektur i systemów kognitywnych
8. Neuronowe sztuczne systemy skojarzeniowe oraz ich zastosowanie do skojarzeniowego formowania wiedzy oraz jej eksploatacja z wykorzystaniem kontekstu i sztucznych skojarzeń
9. Wykorzystanie wiedzy w systemach sztucznej inteligencji

Istnieje możliwość rozszerzenia projektów zaliczeniowych z laboratoriów do prac magisterskich, a najlepszych prac magisterskich później do prac doktorskich.

Proponowane tematy prac magisterskich z zakresu inżynierii wiedzy oraz sztucznej inteligencji. W razie zainteresowania którymś tematem lub propozycją własnego, proszę o kontakt w celu sprecyzowania go i dopasowania do indywidualnych zainteresowań wnioskodawcy, sprawdzenia możliwości realizacji oraz zarejestrowania go w wydziałowym systemie informatycznym.

Oddawanie projektów zaliczeniowych i egzamin praktyczny lub ustny:

Proszę o pilne przesłanie projektów (z zajęć i projektu końcowego w wersji źródłowej z podaniem języka i kompilatora oraz parametrów uruchomienia oraz wersji skompilowanej + dane/baza/wzorce uczące + Prezentacja końcowa).
Oceny mogą być wystawione dopiero po oddaniu projektów i prezentacji. Poprawna realizacja wszystkich zadań, projektów i prezentacji = 5.0 (bdb) i umożliwia skorzystanie z opcji egzaminu praktycznego.
Najlepiej przygotowane prezentacje zostaną umieszczone na stronie tego przedmiotu.

Kompletne i poprawnie działające projekty oraz prezentacja z uwzględnieniem teorii umożliwiają skorzystanie z opcji egzaminu praktycznego na najwyższą ocenę potwierdzając swoje umiejętności oraz wiedzę praktyczną poprawną realizacją wszystkich zadań.

Literatura uzupełniająca:

• Stanisław Osowski, Metody i narzędzia eksploracji danych, BTC, Legionowo, 2013.
• Stanisław Osowski, Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2013.
• Andrzej Łachwa, Rozmyty świat zbiorów, liczb, relacji, faktów, reguł i decyzji, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2001.
• Leszek Rutkowski, Metody i techniki sztucznej inteligencji, PWN, Warszawa, 2012.
• D. T. Larose, Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych, PWN, Warszawa 2006.
• Ian Goodfellow, Yoshua Bengio and Aaron Courville, Deep Learning, MIT Press book, 2016.
• Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning, MIT Press, 2016, ISBN 978-1-59327-741-3 or PWN 2018.
• Cruse, Holk, Neural Networks as Cybernetic Systems, 2nd and revised edition
• G.S. Linoff and M.A. Berry, Data Mining Techniques: For marketing, Sales, and Customer Relationship Management, 3rd ed., Wiley, 2011.
• A. Horzyk, Deep Associative Semantic Neural Graphs for Knowledge Representation and Fast Data Exploration, Proc. of KEOD 2017, SCITEPRESS Digital Library, 2017, pp. 67-79. - presentation, DOI: 10.13140/RG.2.2.30881.92005
• A. Horzyk and J.A. Starzyk, Fast Neural Network Adaptation with Associative Pulsing Neurons, IEEE Xplore, In: 2017 IEEE Symposium Series on Computational Intelligence, pp. 339-346, 2017. - presentation, movie Iris-4, movie Iris-12
• A. Horzyk, Neurons Can Sort Data Efficiently, In: Rutkowski L., Korytkowski M., Scherer R., Tadeusiewicz R., Zadeh L., Zurada J. (eds), Artificial Intelligence and Soft Computing, Proc. of ICAISC 2017, Springer-Verlag, LNCS, Vol. 10245, pp. 64-74, 2017, DOI: 10.1007/978-3-319-59063-9_6 - ICAISC BEST PAPER AWARD 2017 sponsored by Springer - poster.
• A. Horzyk, Sztuczne systemy skojarzeniowe i asocjacyjna sztuczna inteligencja, Akademicka Oficyna Wydawnicza, EXIT, Warszawa, 2013
• Horzyk, A., How Does Generalization and Creativity Come into Being in Neural Associative Systems and How Does It Form Human-Like Knowledge?, Neurocomputing, DOI: 10.1016/j.neucom.2014.04.046.
• A. Horzyk, How Does Human-Like Knowledge Come into Being in Artificial Associative Systems, Proc. of the 8-th International Conference on Knowledge, Information and Creativity Support Systems, ISBN 978-83-912831-8-9, Krakow, Poland, 2013, 189-200.
• A. Horzyk, Human-Like Knowledge Engineering, Generalization and Creativity in Artificial Neural Associative Systems, Springer Verlag, AISC 11156, 2014, pp. (zapowiedź)
• Wiesław Galus i Janusz Starzyk, Świadomość? Ależ to bardzo proste!, Bel Studio, Warszawa, 2018.
• A. Ligęza, Bazy danych (wykłady)
• A. Ligęza, Logical Foundations for Rule-Based Systems, ISBN: 83-89388-37-5, Uczelniane Wydawnictwo Naukowo-Dydaktyczne AGH, Kraków, 2005.
• A. Ligęza, Logical Foundations for Rule-Based Systems, 2-nd edition, ISBN 978-3-540-29117-6, Studies in Computational Intelligence, Vol 11, Springer Verlag, Berlin, 2006.
• W. Lubaszewski, Słowniki komputerowe i automatyczna ekstrakcja informacji z tekstu, Wydawnictwa AGH, Kraków 2009.
• C.H. Padadimitriou, Złożoność obliczeniowa, WNT, Warszawa 2002.
• Lech Banachowski: Bazy danych. Tworzenie aplikacji, Akademicka Oficyna Wydawnicza PLJ, Warszawa, 1998. ISBN 83-7101-377-9.
• J.D. Ullman, J. Widom: Podstawowy wykład z systemów baz danych, WN-T, Warszawa, 1999 (tłum. z języka ang., wyd. 1997). ISBN 83-204-2394-5.
• Mariusz Flasiński, Wstęp do sztucznej inteligencji, PWN, 2011.
• A. Kisielewicz, Sztuczna inteligencja. Podsumowanie przedsięwzięcia, WNT, 2011.
• Ivan Bratko, Prolog Programming for Artificial Intelligence, 4th ed, Addison-Wesley, 2011.
• R. Tadeusiewicz, M. Szaleniec Leksykon sieci neuronowych, Wrocław, 2015
• Czy sztuczna inteligencja pokona ludzką w niedalekiej przyszłości?
• Ryszard Tadeusiewicz, darmowe książki i programy edukacyjne demonstrujące wybrane sieci neuronowych 1. i 2. generacji.
• Michael J. A. Berry and Gordon S. Linoff, Data Mining Techniques, 2nd ed., Wiley Publishing, Inc., 2004
• Algorytm Aho-Corasick wyszukiwania wzorca w tekście