Subject » BMEGEMINMAM
Modelling of adaptive systems
Adaptív rendszerek modellezése
A tantárgyleírás hatályossága
Hatályosság kezdete:
—
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Adaptív rendszerek modellezése
Modelling of adaptive systems
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEGEMINMAM | ||||||||||||
| Subject type | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | félévközi érdemjegy | ||||||||||||
| Credits | 4 | ||||||||||||
| Subject coordinator | — | ||||||||||||
| Responsible department | — | ||||||||||||
| Faculty | |||||||||||||
| Subject website | — | ||||||||||||
| Teaching language | — | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
A tantárgy célja, hogy megismertesse a hallgatókat az adaptív rendszerek és a gépi intelligencia alapjaival. A klasszikus mesterséges intelligencia módszereken (szakértő rendszerek, következtető gépek, tudáskarbantartó rendszerek, tervezés, stb.) kívül hangsúlyos szerepet kapnak a számítási intelligencia módszerek, azaz a fuzzy rendszerek, neurális hálózatok, és evolúciós algoritmusok. A tárgyban a gépi tanulás alapjaival (felügyelt, felügyelet nélküli, megerősítéses tanulás) is megismerkednek a hallgatók. A gyakorlati foglalkozások keretében alkalmazási példák is bemutatásra kerülnek.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
Átfogó ismeretekkel rendelkezik az adaptív rendszerek és gépi intelligencia alapjait illetően. Pontos ismeretekkel rendelkezik a számítási intelligencia módszerekről. Tisztában van az adaptív rendszerekben és gépi intelligencia módszerekben használt fontosabb fogalmakkal és kategorizálásokkal. Tájékozott a gépi tanulás alapvető módszereit illetően. Ismeri felügyelt tanulás és a felügyelet nélküli tanulás közötti különbségeket. Alapvető ismeretekkel rendelkezik az adaptáció, evolúció és tanulás témakörökről. Tájékozott a gradiens alapú és az evolúciós alapú tanuló algoritmusok különbségeit és kapcsolódásait illetően. Tájékozott a fuzzy rendszerek és a neurális hálózatok közötti különbségeket és kapcsolódásokat illetően. Tudomása van a megerősítéses tanulás módszereiről és mély a tanulási módszerek és modellek alapjairól. Átlátja az adaptív rendszerek modellezési kérdéseit. 321
Skills
Képes felismerni az adaptív rendszert, gépi intelligenciát igénylő feladatokat. Meghatározza az adaptív rendszert, gépi intelligenciát igénylő problémák részfeladatait. Elemzi az adaptív rendszert, gépi intelligenciát igénylő feladat komplexitását. Javaslatot tesz a feladat megoldása során alkalmazott gépi tanulási modellre. Javaslatot tesz a feladat megoldása során alkalmazott gépi tanulási módszerre. Elemzi az alkalmazott adaptív modell hatékonyságát. Értékeli az alkalmazott gépi tanulási módszer hatékonyságát. Elemzi az adott feladat esetén szóba jövő adaptív modell alternatívákat. Feltárja az adott feladat esetén szóba jövő gépi tanulási módszer alternatívákat. Megtervezi az adott feladat megoldásához szükséges adaptív rendszert. 326
Attitudes
Munkáját, eredményeit és következtetéseit folyamatosan ellenőrzi. Folyamatos ismeretszerzéssel bővíti az adaptív rendszerek modellezésével, gépi intelligenciával kapcsolatos tudását. Nyitott az információtechnológiai eszközök használatára. Törekszik az adaptív rendszerek modellezéséhez, gépi intelligenciához szükséges eszközrendszer megismerésére és rutinszerű használatára. Fejleszti a pontos és hibamentes feladatmegoldást, a mérnöki precizitást és szabatosságot szolgáló képességeit. Figyelemmel követi az adaptív rendszerek, gépi intelligencia tématerületen bekövetkező változásokat. Eredményeit a szakmai szabályainak megfelelően publikálja. Véleményét és nézeteit másokat nem sértve közzéteszi. 335
Autonomy and responsibility
Együttműködik az ismeretek bővítése során az oktatóval és hallgatótársaival. Elfogadja a megalapozott szakmai és egyéb kritikai észrevételeket. Egyes helyzetekben – csapat részeként – együttműködik hallgatótársaival a feladatok megoldásában. Ismeretei birtokában, elemzései alapján felelős, megalapozott döntést hoz. Elkötelezett a rendszerelvű gondolkodás és problémamegoldás elvei és módszerei iránt. 339
Oktatási módszertan
A tantárgy oktatása során elválik egymástól az előadás és gyakorlat, mind tartalmában, mind pedig módszertanában. Az előadások alapvetően a frontális oktatás technikáját alkalmazva ismertetik meg a hallgatókkal a tudás kompetenciaelemek által meghatározott információkkal. Az előadásokon diasorok kerülnek vetítésre, melyeket a hallgatók az előadáson saját jegyzeteikkel ki tudnak egészíteni. Az önálló gyakorlati foglalkozások az előadásoktól eltérő tematikával és a tükrözött osztályterem módszerével segítik elő az ismeretek alkalmazását és készségszintű elsajátítását. A gyakorlatok során az előzetesen otthon, önállóan elsajátított ismereteket a gyakorlatvezető segítségével részben közösen, részben egyénileg oldják meg. A csoportmunka-készségek fejlesztését szolgálja a kizárólag csoportosan elkészíthető házi feladat (projekt), melyhez prezentáció is tartozik.
Tanulástámogató anyagok
Tankönyvek
Stuart Russell, Peter Norvig: Mesterséges Intelligencia modern megközelítésben. Prentice Hall, 2003, Upper Saddle River, New Jersey, ISBN 0137903952
Jegyzetek
Horváth Gábor: Neurális hálózatok és műszaki alkalmazásaik. Budapest Műszaki és Gazdaságtudományi Egyetem, 2006, Budapest; Kóczy T. László, Tikk Domonkos, Botzheim János: Intelligens rendszerek. Széchenyi Egyetem, 2007, Győr
Online források
https://www.deeplearningbook.org/; http://www.mogi.bme.hu/tantargyak/BMEGEMINMAM
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 három évközi írásbeli teljesítménymérés (egy rész- és két összegző tanulmányi teljesítményértékelés) alapján történik. rnAz összegző tanulmányi teljesítményértékelés a tantárgy és tudás, képesség típusú kompetenciaelemeinek komplex, írásos értékelési módja zárthelyi dolgozat formájában. A dolgozat egyrészt a megszerzett ismeretek alkalmazására fókuszál, így a problémafelismerést és -megoldást helyezi a középpontba, azaz gyakorlati (számítási) feladatokat kell megoldani, másrészt a szükséges lexikális ismereteket kéri számon a teljesítményértékelés során. A rendelkezésre álló munkaidő 90 perc.rnA részteljesítmény értékelés (házi feladat) a tantárgy tudás, képesség, attitűd, valamint önállóság és felelősség típusú kompetenciaelemeinek komplex értékelési módja, melynek megjelenési formája az egyénileg készített házi feladat.
Assessment methods
In-term assessments
1. —
—
Az összegző értékelések együttesen vizsgálják és mérik fel a hallgatók tudás és képesség típusú kompetenciákkal meghatározott tanulási eredményeit. rnEnnek megfelelően az egyes összegző értékelések a kijelölt elméleti ismeretanyag elsajátítottságát, valamint a gyakorlaton szerzett ismeretek meglétét és képességek alkalmazását mérik fel. Egy-egy összegző értékelés 65%-ban az elméleti ismeretekre, 35%-ban az alkalmazói készségekre fókuszál. Teljesítésükre a tanulmányi teljesítményértékelési tervben meghatározott időpontban, előreláthatólag a 8. és 14. oktatási héten kerül sor. A két összegző teljesítményértékelésen egyenként 40-40 pont szerezhető.
2. —
—
A részteljesítmény értékelés alapvető célja az attitűd, valamint az autonómia és felelősség kompetenciacsoportba tartozó tanulási eredmények meglétének vizsgálata. Ennek módja egy kizárólag csoportosan készíthető esszé (cikk) típusú írásmű elkészítése, majd a gyakorlati csoport előtti prezentációja. A feladatok témája előre megadott listából választható, de lehetőség van egyedi témaválasztásra is előzetes egyeztetés útján. A választott témákat és az azokat készítő legalább három, legfeljebb öt fős csoportok beosztását az ötödik oktatási hétig kell véglegesíteni. Az elkészített esszé tartalmi és formai követelményeit, értékelési elveit a feladatkiírás tartalmazza. A feladattal legfeljebb 20 pont szerezhető. A feladat készítését csoportvezető koordinálja, aki e tevékenységéért többletpontban (5 pont) részesül.
Weight of in-term assessments
| Type | Weight |
|---|---|
| — | 80 % |
| — | 20 % |
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
| Type | ECTS | Performance (%) |
|---|---|---|
| jeles (5) | Excellent [A] | 90 % felett |
| jeles (5) | Very Good [B] | 85 % - 90 % |
| 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: 2
- Összegző javítás: 3
- 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 | 30 |
| további, a teljesítéshez szükséges munkaidő ráfordítás | 9 |
| összegző értékelések | 32 |
| vizsgára készülés | 0 |
| labor | 0 |
| összesen | 120 |
Validity of subject requirements
Requirements valid from:
2019. 09. 01.
Requirements valid until:
2019. 09. 01.
Curriculum placement
No curriculum placements recorded for this subject version.