Subject » BMEGEMIBTIT
Elements of Intelligent Products
Intelligens termékek elemei
A tantárgyleírás hatályossága
Hatályosság kezdete:
—
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Intelligens termékek elemei
Elements of Intelligent Products
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEGEMIBTIT | ||||||||||||
| Subject type | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | félévközi érdemjegy | ||||||||||||
| Credits | 4 | ||||||||||||
| Subject coordinator | — | ||||||||||||
| Responsible department | — | ||||||||||||
| Faculty | Default Faculty | ||||||||||||
| Subject website | — | ||||||||||||
| Teaching language | — | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | BMEGEMIBTIN (Informatika terméktervezőknek), BMEGEGIBTI4 | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
A tantárgy oktatásának célja, hogy a hallgatókat megismertesse a modern, mechatronikában, terméktervezésben és intelligens gépekben, termékekben leggyakrabban használatos szenzorokkal, aktuátorokkal és irányító szoftveres algoritmusokkal. A tárgy előadásain a mechatronika alapjai, a szenzorok, az aktuátorok és a mesterséges intelligencia kerülnek terítékre. A gyakorlatokon pedig a szoftveres irányítás, illetve a gépi intelligencia megvalósításához szükséges programozási nyelvvel és annak releváns keretrendszereivel ismerkedünk meg.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
Ismeri a gépészet fejlődését, a mechatronika kialakulását. Azonosítja a különböző mechatronikai szinten működő rendszereket. Leírja a kis méretek hatását, következményeit a tervezett rendszerre. Tisztában van a irányítás, vezérlés és szabályozás különbségeivel. Tájékozott a robotikában használatos szenzorok és aktuátorok tekintetében. Meghatározza a robotikában használatos mesterséges intelligencia legfontosabb elemeit. Rendszerezi az techvolúciós, adaptációs, biomimetikai, etorobotikai, behaviorista és kognitív pszichológiai hozzáállást. Megnevezi a különböző genetikus algoritmusokat, neurális hálózatokat és fuzzy rendszereket. Összefoglalja a pneumatikus, hidraulikus és villamos aktuátorok tulajdonságait. Érti az ideális szenzor jellemzőit és a különféle szenzorok működését. alapvető mechanikai, elektrotechnikai és informatikai ismeretek 230 228 225
Skills
236 234 235 Elemzi a gépészet fejlődését, a mechatronika kialakulását. Értelmezi a különböző mechatronikai szinten működő rendszereket. Feltárja a kis méretek hatását, következményeit a tervezett rendszerre. Különbséget tesz az irányítás, vezérlés és szabályozás között. Azonosítja a robotikában használatos szenzorokat és aktuátorokat. Értelmezi a robotikában használatos mesterséges intelligencia legfontosabb elemeit. Meghatározza az techvolúciós, adaptációs, biomimetikai, etorobotikai, behaviorista és kognitív pszichológiai hozzáállást. Kezeli a különböző genetikus algoritmusokat, neurális hálózatokat és fuzzy rendszereket. Vázolja a pneumatikus, hidraulikus és villamos aktuátorok tulajdonságait. Kifejezi az ideális szenzor jellemzőit és a különféle szenzorok működését. önálló problémamegoldás és információszerzés képessége
Attitudes
251 252 255 Törekszik az ismeretek bővítése során az oktatóval és hallgató társaival való együttműködsére. Folyamatos és elmélyült ismeretszerzéssel bővíti tudását. Nyitott az információtechnológiai eszközök használatára. Törekszik az informatikai problémamegoldáshoz szükséges eszközrendszer megismerésére és rutinszerű használatára. Törekszik a pontos és hibamentes feladatmegoldásra.
Autonomy and responsibility
259 260 261 Önállóan végzi az informatikai feladatok és problémák végiggondolását és adott források alapján történő megoldását. Nyitottan elfogadja a megalapozott kritikai észrevételeket. Egyes helyzetekben – csapat részeként – együttműködik hallgatótársaival a feladatok megoldásában. Támogatja a rendszerelvű megközelítést a gondolkodásában. Együttműködik az önálló ismeretszerzési feladatokban és saját tempóban bűvíti tudását.
Oktatási módszertan
Előadások, gyakorlatok, kommunikáció írásban és szóban, IT eszközök és technikák használata, önállóan és csoportmunkában készített feladatok, munkaszervezési technikák. A választott elemzési feladat elősegíti a hallgatók önálló projektközpontú fejlődését, továbbá növeli a komplex rendszerek elemzésében való jártasságukat. A gyakorlatokon elsajátított programozási nyelv közelebb viszi a hallgatókat a modern mesterséges intelligenciák megértéséhez és alkalmazásához.
Tanulástámogató anyagok
Tankönyvek
Russell, Stuart, Norvig, Peter: Artificial Intelligence. A Modern Approach. (ISBN 0137903952, 2005-2020); Tamás, Budai, Graff, Bojtos, Samu, Krizsán, Kovács, Korondi: Robotalkalmazások (ISBN 9789633131374, 2014)
Online források
https://www.mogi.bme.hu/tantargyak/BMEGEMIBTIT; https://regi.tankonyvtar.hu/hu/tartalom/tamop425/0026_mi_4_4/index.html; https://regi.tankonyvtar.hu/hu/tartalom/tamop412A/2011-0042_mechatronikai_rendszerek_specialis_erzekeloi_es_aktuatorai/adatok.html; https://regi.tankonyvtar.hu/hu/tartalom/tamop412A/2011-0042_robotalkalmazasok/ch09s06.html
Recommended preliminary knowledge for completing the subject
Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
General rules
A tanulási eredmények értékelése 1 évközi írásbeli (összegző értékelés) és 2 projektfeladat jellegű (részteljesítmény-értékelés) teljesítménymérés. Az írásbeli értékelés a 13. oktatási héten történik az előadások témájából, pótlása a 14. oktatási héten esedékes. Az egyik projektfeladat egy szabadon választott mechatronikai jellegű, intelligens eszköz elemzése, és prezentáció formájában történő bemutatása a tanult eszköztár segítségével. A prezentáció megtartása a 11-12. oktatási héten esedékes. A másik projektfeladat egy gépi intelligencia implementálása a gyakorlatokon elsajátított programozási nyelv és keretrendszerek segítségével. A kredit megszerzésének feltétele, hogy az évközi teljesítményértékeléseket a hallgató egyenként legalább 40%-os szinten teljesítse az esetleges ismétléssel, javítással, pótlással együtt.
Assessment methods
In-term assessments
1. —
—
A tanulási eredmények értékelése 1 évközi írásbeli (összegző értékelés) és 2 projektfeladat jellegű (részteljesítmény-értékelés) teljesítménymérés. rnrnAz írásbeli értékelés a 13. oktatási héten történik az előadások témájából, pótlása a 14. oktatási héten esedékes.rnrnA kredit megszerzésének feltétele, hogy az évközi teljesítményértékeléseket a hallgató egyenként legalább 40%-os szinten teljesítse az esetleges ismétléssel, javítással, pótlással együtt.
2. —
—
A tanulási eredmények értékelése 1 évközi írásbeli (összegző értékelés) és 2 projektfeladat jellegű (részteljesítmény-értékelés) teljesítménymérés. rnrnA projektfeladat egy szabadon választott mechatronikai jellegű, intelligens eszköz elemzése, és prezentáció formájában történő bemutatása a tanult eszköztár segítségével. A prezentáció megtartása a 11-12. oktatási héten esedékes.rnrnA kredit megszerzésének feltétele, hogy az évközi teljesítményértékeléseket a hallgató egyenként legalább 40%-os szinten teljesítse az esetleges ismétléssel, javítással, pótlással együtt.
3. —
—
A tanulási eredmények értékelése 1 évközi írásbeli (összegző értékelés) és 2 projektfeladat jellegű (részteljesítmény-értékelés) teljesítménymérés. rnrnA projektfeladat egy gépi intelligencia implementálása a gyakorlatokon elsajátított programozási nyelv és keretrendszerek segítségével. rnrnA kredit megszerzésének feltétele, hogy az évközi teljesítményértékeléseket a hallgató egyenként legalább 40%-os szinten teljesítse az esetleges ismétléssel, javítással, pótlással együtt.
Weight of in-term assessments
| Type | Weight |
|---|---|
| — | 50 % |
| — | 25 % |
| — | 25 % |
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
| Type | ECTS | Performance (%) |
|---|---|---|
| jeles (5) | Excellent [A] | 95 % felett |
| jeles (5) | Very Good [B] | 85 % - 95 % |
| jó (4) | Good [C] | 70 % - 85 % |
| közepes (3) | Satisfactory [D] | 55 % - 70 % |
| elégséges (2) | Pass [E] | 40 % - 55 % |
| elégtelen (1) | Fail [F] | 40 % alatt |
Attendance requirements
- tutorial: 70%
Rules for retake and resubmission
- Összegző első javítás: 1
- Összegző javítás: 2
- Részteljesítmény első javítás: 2
Short description
Not provided.
Detailed description
Not provided.
Recommended courses
Not provided.
Workload to complete the subject
| Description | hours / term |
|---|---|
| részvétel a kontakt tanórákon | 42 |
| felkészülés a gyakorlatokra | 7 |
| részteljesítmény értékelés feladatainak kidolgozása | 60 |
| további, a teljesítéshez szükséges munkaidő ráfordítás | 0 |
| összegző értékelések | 16 |
| vizsgára készülés | 0 |
| labor | 0 |
| összesen | 125 |
Validity of subject requirements
Requirements valid from:
2020. 12. 01.
Requirements valid until:
2022. 12. 01.
Curriculum placement
| Faculty | Program | Curriculum | Curriculum type | Primary |
|---|---|---|---|---|
| Default Faculty | Default Program | Default Curriculum | — | nem |